Semisupervised learning algorithms

Semisupervised learning algorithms can deal with partially labeled training data, usually a lot of unlabeled data and a little bit of labeled data.For example, Google Photos It often creates a few clusters per person, and sometimes mixes up two people who look alike, so you need to provide a few labels per person and manually clean up some clusters.

結果 (繁體中文) 1:

半監督學習演算法可以處理部分標記的訓練數據，通常是大量未標記的數據和少量標記的數據。例如，Google Photos 通常會為每個人建立幾個集群，有時會混淆兩個看起來很相似的人，因此您需要為每個人提供一些標籤並手動清理一些集群。

結果 (繁體中文) 2:

半監督學習算灋可以處理部分標記的訓練數據，通常是大量的未標記數據和少量的標記數據。
例如，穀歌照片它通常為每個人創建幾個集羣，有時會混淆兩個長相相似的人，所以你需要為每個人提供一些標籤，並手動清理一些集羣。

結果 (繁體中文) 3:

半監督學習算法可以處理部分標記的訓練數據，通常是大量的未標記數據和少量的標記數據。
比如Google Photos它經常會給每個人創建幾個集群，有時候會把兩個長得很像的人搞混，所以你需要給每個人提供幾個標籤，手動清理一些集群。