Обзор обучения с полуучителем

Обучение с полуучителем — это раздел машинного обучения, посвящённый использованию как размеченных, так и неразмеченных данных для выполнения определённых задач обучения. Концептуально находясь между обучением с учителем и обучением без учителя, оно позволяет использовать большие объёмы неразмеченных данных, доступных во многих прикладных задачах, в сочетании с обычно меньшими наборами размеченных данных. В последние годы исследования в этой области следовали общим тенденциям, наблюдаемым в машинном обучении, при этом значительное внимание уделялось моделям на основе нейронных сетей и генеративному обучению. Объём и тематический охват литературы по данной теме также расширились; теперь она включает широкий спектр теоретических положений, алгоритмов и приложений. Однако современных обзорных работ, предназначенных для систематизации и организации этих знаний, не существует, что затрудняет их использование исследователями и инженерами. Восполняя этот пробел, мы представляем актуальный обзор методов обучения с полуучителем, охватывающий как более ранние работы, так и недавние достижения. Основное внимание уделено классификации с полуучителем, в которой сосредоточена значительная часть исследований обучения с полуучителем. Наш обзор призван дать новым исследователям и практикам, а также более опытным читателям целостное представление об основных подходах и алгоритмах, разработанных за последние два десятилетия, с акцентом на наиболее заметные и актуальные в настоящее время работы. Кроме того, мы предлагаем новую таксономию алгоритмов классификации с полуучителем, которая проясняет различные концептуальные и методологические подходы к включению неразмеченных данных в процесс обучения. Наконец, мы показываем, что фундаментальные предположения, лежащие в основе большинства алгоритмов обучения с полуучителем, тесно связаны между собой и соотносятся с хорошо известным предположением кластеризации с полуучителем.