Semi-Supervised Learning bezeichnet ein Training, das aus wenigen beschrifteten und vielen unbeschrifteten Beispielen lernt. Es sitzt damit zwischen dem Supervised Learning und dem Unsupervised Learning und trifft die Lage, in der die meisten Unternehmen tatsächlich sind.
- Semi-Supervised Learning (Teilüberwachtes Lernen)
Training aus wenigen beschrifteten und vielen unbeschrifteten Beispielen.
Beispiel: „Beim Semi-Supervised Learning trugen 500 geprüfte Fälle und 50.000 unbeschriftete die Erkennung.“Der häufigste Ablauf: Das Modell lernt zuerst aus den beschrifteten Daten, bewertet damit die unbeschrifteten, übernimmt die Fälle, bei denen es sich sicher ist, und trainiert mit diesen weiter.
Warum es überhaupt gebraucht wird: Daten zu sammeln ist billig, Daten zu beschriften ist teuer, siehe Annotation.
Wann es sich lohnt
Wenn der Datenberg groß und das Budget für Beschriftung klein ist. Das ist der Normalfall bei Protokollen, Anfragen, Dokumenten und Fotos aus dem laufenden Betrieb: Es liegt alles vor, geprüft hat es niemand. Wer dann einige hundert Fälle sauber beschriftet, kommt oft nah an das Ergebnis, für das sonst Zehntausende nötig wären.
Wo die Gefahr liegt
In der eigenen Sicherheit. Übernimmt das Modell seine eigenen Einschätzungen als Wahrheit, verfestigt es auch seine Fehler, und zwar unbemerkt, weil die falschen Fälle genau die sind, bei denen es sich sicher fühlte. Gegenmittel sind eine hohe Schwelle für die Übernahme und eine Stichprobe, die ein Mensch durchsieht.
Was daneben steht
Das aktive Lernen, bei dem das Modell selbst benennt, welche Fälle es beschriftet haben will. Es fragt dabei nach den unklaren statt nach den sicheren und holt aus demselben Beschriftungsbudget deutlich mehr heraus. In der Praxis ist das die wirksamere Variante, sobald jemand für die Nachfragen bereitsteht.
Was man dabei messen muss
Die Güte der selbst erzeugten Angaben. Dafür wird ein kleiner Teil der übernommenen Fälle von Hand geprüft, und wenn dort die Quote fällt, bricht man die Schleife ab. Daneben bleibt ein getrennter Testsatz nötig, der ausschließlich von Hand beschriftete Fälle enthält, sonst misst man sich am eigenen Irrtum.