Semi-überwachtes Lernen

Semi-überwachtes Lernen ist ein leistungsfähiger Ansatz im maschinellen Lernen (ML), der sowohl markierte als auch unmarkierte Daten nutzt, um Modelle zu trainieren. Diese Technik ist besonders nützlich, wenn die Beschaffung von beschrifteten Daten teuer oder zeitaufwändig ist, während unbeschriftete Daten im Überfluss vorhanden und leicht verfügbar sind. Durch die Kombination der Stärken des überwachten und des unüberwachten Lernens kann das semi-supervised learning eine hohe Genauigkeit erreichen, ohne auf vollständig markierte Datensätze angewiesen zu sein, was es zu einem wertvollen Werkzeug in verschiedenen realen Anwendungen macht.

Wie Semi-Supervised Learning funktioniert

Semi-überwachte Lernalgorithmen verwenden eine kleine Menge an gekennzeichneten Daten, um den Lernprozess zu steuern, während sie gleichzeitig Muster und Strukturen aus einem größeren Pool von nicht gekennzeichneten Daten extrahieren. Die beschrifteten Daten dienen der expliziten Überwachung, indem sie dem Modell bestimmte Beziehungen zwischen Eingaben und Ausgaben vermitteln. Die unmarkierten Daten hingegen helfen dem Modell, die zugrundeliegende Verteilung und die Merkmale der Daten zu erlernen, damit es besser auf neue, noch nicht gesehene Beispiele verallgemeinern kann.

Es gibt verschiedene Ansätze für semi-supervised learning, darunter:

• Selbsttraining: Das Modell wird zunächst auf den beschrifteten Daten trainiert und dann verwendet, um die Beschriftungen für die unbeschrifteten Daten vorherzusagen. Vorhersagen mit hoher Konfidenz werden zu den beschrifteten Daten hinzugefügt, und das Modell wird iterativ neu trainiert.
• Co-Training: Zwei oder mehr Modelle werden auf verschiedenen Ansichten oder Teilmengen der beschrifteten Daten trainiert. Jedes Modell beschriftet dann die nicht beschrifteten Daten, und die Vorhersagen werden verwendet, um die Trainingsmenge für die anderen Modelle zu erweitern.
• Generative Modelle: Diese Modelle, wie z. B. Generative Adversarial Networks (GANs), lernen die gemeinsame Wahrscheinlichkeitsverteilung der Daten und Kennzeichnungen. Sie können dann auf der Grundlage der gelernten Verteilung neue Datenpunkte erzeugen oder fehlende Kennzeichnungen ableiten.
• Graphenbasierte Methoden: Diese Methoden stellen die Daten als Graphen dar, wobei die Knoten Datenpunkte sind (sowohl gekennzeichnete als auch nicht gekennzeichnete) und die Kanten Ähnlichkeiten zwischen ihnen darstellen. Die Kennzeichnungsinformationen verbreiten sich durch den Graphen und ermöglichen es dem Modell, Kennzeichnungen für nicht beschriftete Knoten abzuleiten.

Vorteile von Semi-Supervised Learning

Semi-überwachtes Lernen bietet mehrere entscheidende Vorteile:

• Geringerer Aufwand für die Kennzeichnung: Durch die Verwendung von unmarkierten Daten reduziert semi-supervised learning den Bedarf an umfangreichen manuellen Markierungen erheblich und spart so Zeit und Ressourcen.
• Verbesserte Genauigkeit: Die Einbeziehung von unmarkierten Daten hilft dem Modell, eine umfassendere Darstellung der Datenverteilung zu erlernen, was oft zu einer höheren Genauigkeit führt als bei der Verwendung von markierten Daten.
• Bessere Verallgemeinerung: Ein größerer und vielfältigerer Datensatz, der sowohl gelabelte als auch nicht gelabelte Beispiele enthält, verbessert die Fähigkeit des Modells, auf ungesehene Daten zu generalisieren.
• Unbeschriftete Daten im Überfluss nutzen: In vielen Bereichen sind unmarkierte Daten leicht verfügbar (z. B. Bilder aus dem Internet, Texte von Webseiten). Semi-überwachtes Lernen ermöglicht es uns, diese riesige Ressource zu nutzen.

Anwendungen von Semi-Supervised Learning

Semi-überwachtes Lernen findet in verschiedenen Bereichen Anwendung, z. B:

• Computer Vision: Aufgaben der Objekterkennung, Bildklassifizierung und Bildsegmentierung können von halb-überwachten Lernverfahren profitieren, vor allem, wenn es nur wenige beschriftete Bilder gibt. So kann zum Beispiel ein Modell trainiert werden, um bestimmte Objekte in Bildern zu erkennen, indem man eine kleine Menge beschrifteter Bilder und eine große Sammlung unbeschrifteter Bilder aus dem Internet verwendet. Erfahre, wie Ultralytics YOLO Modelle die Computer Vision mit innovativen Lösungen verändern.
• Natürliche Sprachverarbeitung: Stimmungsanalyse, Textklassifizierung und Named-Entity-Recognition können semi-supervised learning nutzen, um die Leistung zu verbessern, wenn beschriftete Textdaten begrenzt sind. So kann z. B. ein Modell trainiert werden, um die Stimmung von Produktrezensionen zu klassifizieren, indem ein kleiner Satz von beschrifteten Rezensionen und ein großer Korpus von unbeschrifteten Rezensionen aus Online-Foren verwendet wird. Erfahre mehr über natürliche Sprachverarbeitung (NLP).
• Medizinische Diagnose: Im Gesundheitswesen kann die Beschaffung von beschrifteten medizinischen Daten aufgrund von Datenschutzbedenken und der Notwendigkeit von Expertenkommentaren eine Herausforderung sein. Halbüberwachtes Lernen kann verwendet werden, um Modelle für die Krankheitsdiagnose, die Analyse medizinischer Bildgebung und die Entdeckung von Medikamenten zu trainieren, wobei eine Kombination aus beschrifteten und nicht beschrifteten Patientendaten verwendet wird. Erfahre mehr über KI im Gesundheitswesen.
• Betrugserkennung: Semi-überwachtes Lernen kann Betrugserkennungssysteme verbessern, indem es aus einer kleinen Menge von gekennzeichneten betrügerischen Transaktionen und einer großen Menge von nicht gekennzeichneten Transaktionsdaten lernt. Das Modell kann Muster und Anomalien erkennen, die auf Betrug hindeuten, selbst bei einer begrenzten Anzahl von gekennzeichneten Beispielen.

Vergleich mit anderen Lernparadigmen

Semi-überwachtes Lernen unterscheidet sich vom überwachten und vom unüberwachten Lernen in folgenden Punkten:

• Überwachtes Lernen: Verlässt sich beim Training ausschließlich auf markierte Daten. Es ist zwar genau, kann aber durch die Verfügbarkeit und die Kosten von gekennzeichneten Daten eingeschränkt sein.
• Unüberwachtes Lernen: Verwendet nur unmarkierte Daten, um Muster und Strukturen zu entdecken. Es ist zwar nützlich für explorative Analysen, lernt aber nicht direkt, Eingaben auf bestimmte Ausgaben zu übertragen.
• Semi-Supervised Learning: Stellt ein Gleichgewicht zwischen überwachtem und unüberwachtem Lernen her und nutzt sowohl gelabelte als auch nicht gelabelte Daten, um eine bessere Leistung mit weniger Labeling-Aufwand zu erzielen.

Semi-überwachtes Lernen kann auch als eine Form des aktiven Lernens angesehen werden, bei dem das Modell aktiv die informativsten unmarkierten Datenpunkte auswählt, die von einem Orakel (z. B. einem menschlichen Experten) markiert werden. Beim halbüberwachten Lernen verlässt sich das Modell jedoch in erster Linie auf die vorhandenen beschrifteten Daten und die Struktur der nicht beschrifteten Daten, anstatt aktiv nach neuen Beschriftungen zu suchen.

Weitere Informationen zu verwandten Konzepten des maschinellen Lernens findest du im Glossar aufUltralytics .