반지도 학습에서 개선된 일반화: 이론적 결과에 대한 조사

반지도 학습은 레이블이 있는 데이터와 레이블이 없는 데이터를 모두 사용할 수 있는 학습 환경입니다. 이 조사는 이 환경에 대한 이론적 결과를 다루고 레이블 없는 데이터가 분류 및 회귀 작업에서의 이점을 어떻게 매핑하는지를 설명합니다. 레이블 없는 데이터를 사용하는 대부분의 방법은 데이터 분포에 대한 특정 가정에 의존합니다. 이 가정이 충족되지 않을 경우 레이블 없는 데이터를 포함하면 실제로 성능이 저하될 수 있습니다. 따라서 모든 실용적인 목적을 위해 기초 이론과 그와 함께 오는 가능한 학습 행동에 대한 이해를 갖는 것이 교육적입니다. 이 조사는 반지도 학습을 사용할 때 얻을 수 있는 가능한 이익에 대한 결과와 이러한 방법의 한계에 대한 결과를 수집합니다. 특히, 이 조사는 다음 질문에 답하는 것을 목표로 합니다: 감독된 방법을 개선하는 측면에서 반지도 학습의 한계는 무엇인가? 다양한 방법의 가정은 무엇인가? 가정이 참이라면 우리가 무엇을 이룰 수 있는가? 실질적으로 가정이 중요하기 때문에 이 조사의 특별한 주의가 여기에 쏠립니다.