지연 부분 레이블 데이터 스트림을 위한 반지도 학습에 대한 조사

비표기 데이터는 많은 분야에서 나타나며, 데이터가 풍부하지만 레이블이 붙은 데이터가 드문 스트리밍 애플리케이션과 특히 관련이 있다. 이러한 데이터와 관련된 학습 문제를 해결하기 위해 비표기 데이터를 무시하고 레이블이 붙은 데이터에만 집중할 수 있다(지도 학습); 레이블이 붙은 데이터를 사용하고 비표기 데이터를 활용하려고 시도할 수 있다(반지도 학습); 또는 요청 시 일부 레이블이 제공될 것이라고 가정할 수 있다(능동 학습). 첫 번째 접근 방식은 가장 간단하지만 사용 가능한 레이블이 붙은 데이터의 양이 예측 성능을 제한할 것이다. 두 번째 접근 방식은 데이터 분포의 기본 특성을 찾아 활용하는 데 의존한다. 세 번째 접근 방식은 외부 에이전트가 필요한 레이블을 적시에 제공하도록 의존한다. 이 설문조사는 반지도 설정에서 비표기 데이터를 활용하는 방법에 특별한 주의를 기울인다. 우리는 또한 완전 지도 및 반지도 방법 모두에 영향을 미치는 지연 레이블링 문제에 대해 논의한다. 통합된 문제 설정을 제안하고, 학습 보장 및 기존 방법에 대해 논의하며, 관련 문제 설정 간의 차이점을 설명한다. 마지막으로, 현재 벤치마킹 관행을 검토하고 이를 향상시키기 위한 적응을 제안한다.