B. Semi-supervised MethodsSemi supe

B. Semi-supervised Methods
Semi supervised learning algorithms use both labeled and unlabeled corpus to create their own hypothesis. Algorithms typically start with small amount of seed data set and create more hypothesis' using large amount of unlabeled corpus. It make use of unlabeled data for training - typically a small amount of labeled data with a large amount of unlabeled data[12].

Results (Thai) 1:

ข.วิธีกึ่งดูแลอัลกอริทึมการเรียนรู้กึ่งดูแลใช้ทั้งป้าย และไม่มีป้ายชื่อ corpus เพื่อสร้างสมมติฐานของตนเอง อัลกอริทึมโดยทั่วไปเริ่มต้น ด้วยจำนวนชุดข้อมูลเมล็ดเล็ก และสร้างเพิ่มเติมสมมติฐานใช้จำนวนมากไม่มีป้ายชื่อ corpus มันทำให้การใช้ข้อมูลไม่มีป้ายชื่อ สำหรับการฝึกอบรม - โดยทั่วไปเล็กน้อยติดป้ายชื่อข้อมูลที่ มีขนาดใหญ่ไม่มีป้ายชื่อข้อมูล [12]

Results (Thai) 2:

บีกึ่งภายใต้การดูแลวิธี
กึ่งภายใต้การดูแลขั้นตอนวิธีการเรียนรู้การใช้งานทั้งที่มีป้ายกำกับคลังและไม่มีป้ายกำกับการสร้างสมมติฐานของตัวเอง อัลกอริทึมมักจะเริ่มต้นด้วยจำนวนเงินขนาดเล็กของข้อมูลเมล็ดตั้งสมมติฐานและสร้างเพิ่มเติมโดยใช้จำนวนมากของคลังที่ไม่มีป้ายกำกับ มันทำให้การใช้งานของข้อมูลที่ไม่มีป้ายกำกับสำหรับการฝึกอบรม - โดยปกติจะเป็นจำนวนเงินขนาดเล็กของข้อมูลที่มีข้อความที่มีข้อมูลจำนวนมากที่ไม่มีป้ายกำกับ [12]

Results (Thai) 3:

ข. วิธีกึ่งควบคุมขั้นตอนวิธีการเรียนรู้แบบกึ่งใช้ทั้งมีป้ายและใกล้เคียงคลังข้อมูลเพื่อสร้างสมมติฐานของตัวเอง ขั้นตอนวิธีโดยทั่วไปจะเริ่มต้นด้วยจำนวนเล็ก ๆของชุดข้อมูลเมล็ดและสร้างสมมติฐาน " มากกว่าการใช้ปริมาณมาก unlabeled คลังข้อมูล มันให้ใช้ข้อมูลฝึกใกล้เคียง - โดยจำนวนเล็ก ๆของข้อความข้อมูลที่มีจำนวนมากของข้อมูลที่ใกล้เคียง [ 12 ]