7.6 준지도 학습

p(y|x) 를 추정하거나 x 로부터 y 를 예측하는 과제에 대해, 준지도 학습 패러다임은 P(x) 에서 추출한 이름표 없는 견본들과 P(x,y) 에서 추출한 이름표 붙은 견본들을 함께 사용한다.

심층 학습의 맥락에서 준지도 학습은 표현 h = f(x) 를 배우는 것을 말할 때가 맘ㄶ다. 목표는 같은 부류에 속하는 견본들이 비슷하게 표현되는 하나의 표현ㅇ르 배우는 것, 입력 공간에서 가까이 뭉쳐 있는 견본들을 비슷한 표현들로 사상되어야 한다. 

많은 경우 선형 분류기는 새로운 표현 공간에서 더 잘 일반화될 수 있다.

이러한 접근 방식의 한 변형으로 오랫동안 쓰여온 것은 전처리 단계에서 주성분 분석을 적용한 후 분류기는 적용하는 것

 

모형에 비지도 구성요소와 지도 구성요소를 따로 두는 대신, P(x) 또는 P(x,y) 의 생성 모형이 P(y|x) 의 판별 모형과 매개변수들을 공유하는 형태의 모형을 만들 수도 있다. 그런 모형에서는 지도 학습의 판정기준과 비지도 학습 또는 생성 판정기준을 절충할 수 있다.