半監督式學習(Semi-supervised Learning)🤖

從資料蒐集的角度來看，有標註正確答案的資料蒐集代價相對較高(費時, 費力 or 費錢)。半監督式學習通過結合標註正確答案的資料和無標註正確答案的資料來訓練模型，從而提高模型的性能。

半監督式學習沒有明確的子類別，其核心概念是基於標註正確答案的資料透過模型來更好的理解和推估無標註正確答案的資料。

常見的半監督式學習方法 ⚙️

1. 自訓練(Self-training)

• 原理：先用有標註正確答案的資料訓練一個base model，然後用這個base model來預測未標註正確答案的資料，將預測結果中屬於high confidence score的資料進行標註，並將這些新增的標註資料重新加入模型的訓練集中，通過這樣迭代的過程，逐步優化模型並進一步預測未標註的資料。
• 使用情境：適用於標註資料稀缺但是無標註資料豐富的情況下。不管是在電腦視覺(Computer Vision)中的圖像分類又或是自然語言處理(Natural Language Processing, NLP)中的文本分類都適合使用「自訓練」。

題外話 😂

因為家母是越南人，所以本人有一半的越南血統，因此對於河粉(Phở)的要求比Gordon Ramsay還嚴格哈哈，目前在雙北唯一給出大拇指👍愛店是在江子翠的阿準越南料理 。這家越南河粉湯頭甘甜而且整體份量很足，熱湯澆上去的新鮮牛肉吃起來彷彿在我的舌尖上跳華爾滋Q彈軟嫩，真的很過癮😍。

今天凌晨的時候有奧運男籃四強的比賽(美國vs塞爾維亞)，但因為今天還要上班沒有辦法看live，一早起來發現最終比數只有4分差，就知道自己錯過了一場經典戰役😢，現役NBA第一人Jokić大戰詹庫杜絕對是神仙打架，之後重播一定看爆🔥。