Semi-supervised Learning

Semi-supervised Learning nutzt eine kleine Menge gelabelter Daten und eine große Menge ungelabelter Daten. Man trainiert erst auf den wenigen Labels, lässt das Modell dann die ungelabelten Daten vorhersagen ('Pseudo-Labeling') und trainiert damit weiter. Effizient, wenn Daten billig, aber Labels teuer sind.