This HTML5 document contains 33 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Namespace Prefixes

PrefixIRI
dcthttp://purl.org/dc/terms/
dbohttp://dbpedia.org/ontology/
foafhttp://xmlns.com/foaf/0.1/
dbpedia-kohttp://ko.dbpedia.org/resource/
n25https://www.cs.cmu.edu/~avrim/Papers/
dbpedia-eshttp://es.dbpedia.org/resource/
n21https://dl.acm.org/
n11http://g.co/kg/m/
dbpedia-ruhttp://ru.dbpedia.org/resource/
dbpedia-ukhttp://uk.dbpedia.org/resource/
rdfshttp://www.w3.org/2000/01/rdf-schema#
n23https://www.quora.com/topic/
category-frhttp://fr.dbpedia.org/resource/Catégorie:
n20http://fr.dbpedia.org/resource/Modèle:
dbpedia-fahttp://fa.dbpedia.org/resource/
wikipedia-frhttp://fr.wikipedia.org/wiki/
rdfhttp://www.w3.org/1999/02/22-rdf-syntax-ns#
owlhttp://www.w3.org/2002/07/owl#
n24http://ma-graph.org/entity/
dbpedia-vihttp://vi.dbpedia.org/resource/
dbpedia-frhttp://fr.dbpedia.org/resource/
prop-frhttp://fr.dbpedia.org/property/
provhttp://www.w3.org/ns/prov#
xsdhhttp://www.w3.org/2001/XMLSchema#
dbrhttp://dbpedia.org/resource/
wikidatahttp://www.wikidata.org/entity/

Statements

Subject Item
dbpedia-fr:Apprentissage_semi-supervisé
rdfs:label
Напівавтоматичне навчання Semi-supervised learning Apprentissage semi-supervisé
rdfs:comment
L'apprentissage semi-supervisé est une classe de techniques d'apprentissage automatique qui utilise un ensemble de données étiquetées et non étiquetées. Il se situe ainsi entre l'apprentissage supervisé qui n'utilise que des données étiquetées et l'apprentissage non supervisé qui n'utilise que des données non étiquetées. Il a été démontré que l'utilisation de données non étiquetées, en combinaison avec des données étiquetées, permet d'améliorer significativement la qualité de l'apprentissage.
rdfs:seeAlso
n21:buildccscode.cfm?id=10010289&lid=f n23:Semi-supervised-Learning
owl:sameAs
wikidata:Q1041418 dbpedia-fa:یادگیری_نیمه‌نظارتی dbpedia-es:Aprendizaje_semisupervisado dbpedia-ru:Обучение_с_частичным_привлечением_учителя dbpedia-ko:준지도_학습 n11:085cpk dbpedia-uk:Напівавтоматичне_навчання dbr:Semi-supervised_learning dbpedia-vi:Học_nửa_giám_sát n24:58973888
dbo:wikiPageID
5382003
dbo:wikiPageRevisionID
189065692
dbo:wikiPageWikiLink
dbpedia-fr:Classification_sous_contrainte dbpedia-fr:Apprentissage_non_supervisé category-fr:Apprentissage_automatique dbpedia-fr:Apprentissage_automatique dbpedia-fr:Apprentissage_supervisé dbpedia-fr:Jeu_de_données
dbo:wikiPageExternalLink
n25:cotrain.pdf
dbo:wikiPageLength
1681
dct:subject
category-fr:Apprentissage_automatique
prop-fr:wikiPageUsesTemplate
n20:Portail n20:Palette
prov:wasDerivedFrom
wikipedia-fr:Apprentissage_semi-supervisé?oldid=189065692&ns=0
foaf:isPrimaryTopicOf
wikipedia-fr:Apprentissage_semi-supervisé
dbo:abstract
L'apprentissage semi-supervisé est une classe de techniques d'apprentissage automatique qui utilise un ensemble de données étiquetées et non étiquetées. Il se situe ainsi entre l'apprentissage supervisé qui n'utilise que des données étiquetées et l'apprentissage non supervisé qui n'utilise que des données non étiquetées. Il a été démontré que l'utilisation de données non étiquetées, en combinaison avec des données étiquetées, permet d'améliorer significativement la qualité de l'apprentissage. Un autre intérêt provient du fait que l'étiquetage de données nécessite souvent l'intervention d'un utilisateur humain. Lorsque les jeux de données deviennent très grands, cette opération peut s'avérer fastidieuse. Dans ce cas, l'apprentissage semi-supervisé, qui ne nécessite que quelques étiquettes, revêt un intérêt pratique évident. Un exemple d'apprentissage semi-supervisé est le coapprentissage, dans lequel deux classifieurs apprennent un ensemble de données, mais en utilisant chacun un ensemble de caractéristiques différentes, idéalement indépendantes. Si les données sont des individus à classer en hommes et femmes, l'un pourra utiliser la taille et l'autre la pilosité par exemple.
dbo:isPartOf
dbpedia-fr:Apprentissage_automatique