Самоконтрольоване навчання є процес машинного навчання, коли модель навчається вивчати одну частину вхідних даних з іншої частини вхідних даних. Це також відоме як прогнозне навчання або навчання за претекстом.
Самоконтроль порівняно з іншими типами машинного навчання Мітки надають чіткі вказівки, що дозволяє моделі робити точні прогнози. Поширені програми включають виявлення спаму, класифікацію зображень і прогноз погоди. Неконтрольоване навчання: працює з даними без міток, щоб знаходити шаблони та групи.
Самоконтрольоване навчання описує неконтрольовану навчальну проблему, створену як контрольовану навчальну задачу для застосування контрольованих алгоритмів навчання для вирішення альтернативного завдання, що представляє модель або представлення, яке можна використовувати для вирішення вихідної (фактичної) проблеми моделювання.
Наприклад, можна навчитися моделі самоконтрольованого навчання передбачити наступне слово в реченні за попередніми словами або класифікувати речення як позитивне чи негативне.
Обмеження самоконтрольованого навчання
- Необхідна величезна обчислювальна потужність: самоконтрольоване навчання вимагає значної обчислювальної потужності для навчання моделей на великих наборах даних. …
- Низька точність: цілком природно очікувати, що самоконтрольоване навчання не дасть таких точних результатів, як контрольоване або інші підходи.