Naar inhoud
BetaAI Begrippen

AI-begrippen in gewone taal. Zoek een begrip, blader op letter of filter op onderwerp.

Semi-gesuperviseerd leren

Engels: Semi-supervised learning · Ook wel: semi-supervised learning, semi-supervised leren, semisupervised learning

In het kort

Semi-gesuperviseerd leren is een trainingsmethode in machine learning die weinig gelabelde data combineert met veel ongelabelde data. Het model leert tijdens de training eerst van voorbeelden met een menselijk label en gebruikt daarna een veel grotere hoeveelheid voorbeelden zonder label. Zo kan een systeem nieuwe foto's of teksten automatisch indelen, terwijl mensen maar een klein deel van alle voorbeelden handmatig hoeven te markeren.

Waarom is dit belangrijk?

Onderzoekers kunnen modellen trainen voor taken waarbij het moeilijk en duur is om elk voorbeeld door een specialist te laten controleren. In de zorg helpt dat bij het afbakenen van structuren op medische scans, waar alleen deskundigen betrouwbare aantekeningen kunnen maken. In de praktijk krijgen artsen en patiënten steun bij het beoordelen van scans, maar fouten blijven mogelijk zolang betrouwbare aantekeningen schaars zijn.

Zo werkt het in de praktijk

In de industrie wordt semi-gesuperviseerd leren toegepast bij voorspellend onderhoud. Machinestoringen komen weinig voor, waardoor er weinig betrouwbare storingslabels zijn. Modellen trainen dan met onvolledige labels, vuistregels van experts en deels gelabelde meetgegevens.

Onderzoekers toetsen wanneer ongelabelde data de indeling verbetert. Zij gaan uit van nabije punten met hetzelfde label, van clusters en van een eenvoudiger structuur. Daarnaast bekijkt onderzoek hoe mensen begrippen leren uit weinig uitleg en veel onbenoemde voorbeelden.

De aanpak hoort bij self-training en co-training. Bij self-training leert een model eerst van gelabelde voorbeelden en labelt daarna alleen ongelabelde voorbeelden waar het zeker van is. Bij co-training wisselen twee modellen die labels uit, elk met een eigen set kenmerken.

Bron: en.wikipedia.org

Gecontroleerd op 5 november 2026