從昨天的監督式學習中，可以了解到，若要拿資料訓練一個模型，那我就不能只有輸入資料，還要有相對應的答案(標籤)才行，但問題來了，
→ 不是大家隨隨便便標記的結果都可以當作標準答案，而是經過普羅大眾都認同的專家來做標記，才能讓這堆資料具有可信度
→ 為了找專家來標記，所要付出的成本與人力投入是高昂的，更不用說當資料集很龐大時，大量資料進行標註所要消耗的時間成本

那能不能只讓專家標記一些，然後就把其他剩下沒有標記的資料拿來使用呢?

答案是肯定的！

所以來到本日主題...

半監督式學習(Semi-supervised learning)

在訓練一個模型時，會有兩種資料集，一種是做為訓練集的有標記資料，另一種則是未經標記的資料，
通常未標記的資料量會遠遠超過已標記資料的數量(因為蒐集未標記資料的成本比蒐集已標記資料要低得多)，
而半監督式學習的目標跟監督式學習是完全相同的，差別就只在資料集中有部分資料是缺乏標記的

而根據如何使用這些未標記資料，又可分成兩種學習:

Transductive learning

在這種方法中，我們將未標記的資料同時視為訓練集(使用資料的特徵)和測試集，也就是說，在訓練模型的時候，會拿所有資料進行訓練，然後預測那些未標記資料

Inductive learning

將未標記的資料視為訓練集，但不使用它們來進行測試

以下是圖解:

半監督式學習的基本假設

為什麼能夠利用未標記的資料呢？這裡存在著三個基本假設，解釋了半監督學習的基本原理：
1. Smoothness Assumption
假設資料集的分布並不均勻，則在資料密集的區域，兩個距離很近的資料點會有很大機率具有相同的標籤
2. Cluster Assumption
假設資料集具有固定的群集(cluster)結構，也就是存在著可以明確劃分的資料群集，則屬於同一群集的資料點應當會具有相同的標籤
3. Manifold Assumption
假設將資料集嵌入到低維度的流形(manifold)空間中，則當兩個資料點位於低維流形中的一個小區域內時，它們很可能具有相似的標籤

結語

通常，半監督式學習的效果會優於監督式學習，因為它可以充分利用未標記資料，來降低模型的誤判，然後提高整體的性能，比較符合現實使用的場景。

今天的收尾好難...😢