अर्ध-पर्यवेक्षित शिक्षण

अर्ध-पर्यवेक्षित शिक्षण मशीन लर्निंग का एक उप-क्षेत्र है जो एल्गोरिदम को प्रशिक्षित करने के लिए लेबल किए गए और बिना लेबल वाले दोनों डेटा का उपयोग करता है। अर्ध-पर्यवेक्षित शिक्षण का उद्देश्य लेबल किए गए डेटा के पूरक के लिए बिना लेबल वाले डेटा का उपयोग करना है। यह प्रशिक्षण प्रक्रिया को लेबल किए गए डेटा की मात्रा के केवल एक अंश का उपयोग करते हुए प्रशिक्षित करने के लिए अधिक जानकारी प्राप्त करने की अनुमति देता है। अर्ध-पर्यवेक्षित शिक्षण पर्यवेक्षित शिक्षण का एक रूप है क्योंकि यह कुछ लेबल किए गए डेटा का उपयोग करता है, लेकिन यह अलग है कि यह बिना लेबल वाले डेटा का भी लाभ उठाता है।

अर्ध-पर्यवेक्षित शिक्षण का अंतर्निहित विचार यह है कि लेबल किए गए डेटा के नियमों की तुलना में बिना लेबल वाले डेटा के नियमों को समझना आमतौर पर आसान होता है। इसका उपयोग आमतौर पर तब भी किया जाता है जब केवल थोड़ी मात्रा में लेबल किया गया डेटा उपलब्ध होता है। इस वजह से, यह मशीन लर्निंग के क्षेत्र में एक लोकप्रिय दृष्टिकोण बन गया है।

अर्ध-पर्यवेक्षित शिक्षण एल्गोरिदम कई प्रकार के होते हैं। ये एल्गोरिदम आमतौर पर दो श्रेणियों में से एक में आते हैं: जेनरेटिव मॉडल या भेदभावपूर्ण मॉडल। जेनरेटिव मॉडल एल्गोरिदम हैं जो डेटा के वितरण को मॉडल करने का प्रयास करते हैं, जबकि भेदभावपूर्ण मॉडल एल्गोरिदम हैं जो डेटा दिए गए वर्गों के बीच अंतर को मॉडल करने का प्रयास करते हैं। नीचे अर्ध-पर्यवेक्षित एल्गोरिदम के कुछ उदाहरण दिए गए हैं:

• जेनरेटिव एडवरसैरियल नेटवर्क (जीएएन): जीएएन एक प्रकार का जेनेरेटिव मॉडल है जो मूल डेटासेट के वितरण के बाद नए डेटा उत्पन्न करने के लिए दो न्यूरल नेटवर्क (जनरेटर और डिस्क्रिमिनेटर) का उपयोग करता है। GAN का उपयोग अर्ध-पर्यवेक्षित शिक्षण के लिए किया जा सकता है क्योंकि वे प्रशिक्षण के लिए डेटा को बढ़ाने के लिए मूल डेटासेट से डेटा उत्पन्न करने में सक्षम हैं।

• स्व-प्रशिक्षण: स्व-प्रशिक्षण एक प्रकार की अर्ध-पर्यवेक्षित शिक्षण तकनीक है जिसमें एक एल्गोरिदम को लेबल किए गए डेटासेट पर प्रशिक्षित किया जाता है और फिर संबंधित अनलेबल किए गए डेटा के लिए लेबल आउटपुट करने के लिए उपयोग किया जाता है। फिर मॉडल को प्रशिक्षित करने के लिए आउटपुट लेबल को लेबल किए गए डेटा के हिस्से के रूप में उपयोग किया जाता है।

• लेबल प्रसार: लेबल प्रसार एक विशिष्ट प्रकार की अर्ध-पर्यवेक्षित शिक्षण तकनीक है जिसमें लेबल को लेबल किए गए डेटा से आसपास के गैर-लेबल वाले डेटा तक प्रचारित किया जाता है। लेबल को डेटा और लेबल किए गए डेटा की समानता के आधार पर प्रचारित किया जाता है।

कुल मिलाकर, अर्ध-पर्यवेक्षित शिक्षण मशीन लर्निंग के लिए एक शक्तिशाली तकनीक है क्योंकि यह एक एल्गोरिदम को प्रशिक्षित करने के लिए लेबल किए गए और बिना लेबल वाले डेटा दोनों के उपयोग की अनुमति देता है। यह एल्गोरिदम को डेटा के दोनों स्रोतों का लाभ उठाने की अनुमति देता है और इसलिए अधिक सटीक परिणाम देने में सक्षम है।