Apprentissage bayésien semi-supervisé par modélisation générative
Résumé
-Dans cet article, nous comparons les modélisations générative et discriminante sous le prisme de la quantification d'incertitude épistémique, et confrontons ensuite les deux approches à la problématique de l'apprentissage semi-supervisé. Nous expliquons que l'approche générative permet de prendre en compte des données non-labelisées dans la modélisation, ce qui est structurellement impossible avec une approche discriminante. Nous proposons enfin un algorithme d'échantillonnage permettant l'apprentissage semi-supervisé et la quantification de l'incertitude épistémique d'un modèle génératif.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|