Yarı Gözetimli Öğrenme

Yarı Gözetimli Öğrenme

Yarı gözetimli öğrenme, az miktarda etiketli veri ile çok miktarda etiketlenmemiş veriyi birlikte kullanan makine öğrenmesi yaklaşımıdır. Gözetimli ve gözetimsiz öğrenme yöntemleri arasında bir köprü oluşturur. Gerçek dünyada veri toplamak çoğu zaman kolay, verileri doğru biçimde etiketlemek ise zordur. Örneğin milyonlarca tıbbi görüntü bulunabilir ancak her görüntünün uzman doktorlar tarafından değerlendirilmesi yüksek maliyet oluşturur. Yarı gözetimli öğrenmede küçük bir veri bölümü uzmanlar tarafından etiketlenir. Model bu örneklerden temel ilişkileri öğrenir ve etiketlenmemiş verilerdeki yapıyı da kullanarak performansını artırmaya çalışır. Bu yaklaşımın temel varsayımı, benzer örneklerin çoğunlukla aynı etikete sahip olduğudur. Veri uzayında birbirine yakın olan örneklerin aynı sınıfa ait olma ihtimali yüksek kabul edilir. Yarı gözetimli yöntemlerden biri sözde etiketlemedir. Model önce etiketli veriler üzerinde eğitilir, ardından etiketlenmemiş veriler için tahmin üretir. Güven düzeyi yüksek tahminler geçici etiketler olarak eğitim sürecine eklenir. Bir başka yaklaşım tutarlılık eğitimidir. Aynı örneğin küçük değişikliklere uğratılmış farklı sürümleri modele verilir ve modelin benzer sonuçlar üretmesi beklenir. Yarı gözetimli öğrenme görüntü tanıma, konuşma işleme, metin sınıflandırma ve tıbbi analiz gibi alanlarda kullanılabilir. Özellikle veri çok, uzman etiketi az olduğunda avantaj sağlar. Ancak modelin hatalı sözde etiketler üretmesi önemli bir risktir. Yanlış tahminler eğitim verisine eklenirse hata büyüyebilir. Bu nedenle güven eşikleri ve kalite kontrolleri dikkatle tasarlanmalıdır. Etiketli verinin temsil gücü de önemlidir. Az sayıdaki etiketli örnek bütün sınıfları ve farklı koşulları yeterince kapsamıyorsa model yanlış genelleme yapabilir. Yarı gözetimli öğrenme etiketleme ihtiyacını tamamen ortadan kaldırmaz. Yüksek kaliteli başlangıç etiketleri ve uzman değerlendirmesi hâlâ gereklidir. Bu yöntem, veri etiketleme maliyetini azaltırken daha büyük veri kümelerinden yararlanma imkânı sağlar. Ancak sonuçların gözetimli öğrenme sistemleri kadar dikkatli test edilmesi gerekir.