我最近了解到有监督的学习是如何运作的。它学习标记数据集并预测未标记的数据。
但是，我有一个问题，即用已预测的数据教授创建的模型，然后再次预测未标记的数据。并重复这个过程。
例如，模型M由10个标记的数据集D创建，然后模型M预测数据A.然后，数据A被添加到数据集D中并再次创建模型M.使用大量不可预测的数据重复该过程。
答案 0 :(得分：2)
您在这里描述的是一种众所周知的技术，称为（以及其他名称）＆＃34; 自我培训＆＃34;或＆＃34; 自我半监督培训＆＃34;。请参阅幻灯片https://www.cs.utah.edu/~piyush/teaching/8-11-print.pdf。围绕这个想法有各种修改。不幸的是，一般来说很难证明它应该有所帮助，所以虽然它对某些数据集有帮助，但其他数据集却很难。这里的主要标准是第一个模型的质量，因为selftraining基于假设，你的原始模型非常好，因此你可以信任它足以标记新的例子。它可能有助于缓慢的概念漂移与强大的模型，但将失败与弱模型失败。
答案 1 :(得分：-1)
您所描述的内容称为online machine learning，增量监督学习，可更新分类器......有许多算法可以完成这些行为。请参阅weka toolbox Updateable Classifiers。 我建议看下面的内容。