Penelitian ini mengusulkan sebuah pendekatan berbasis prototipe hirarki dalam konteks pelatihan otomatis untuk klasifikasi semi-supervisi. Dengan menggunakan teknik prototipe hirarki, pendekatan ini memungkinkan pengembangan model klasifikasi yang lebih efisien dan akurat dengan memanfaatkan data semi-terawasi. Klasifikasi semi-supervisi adalah permasalahan penting dalam pembelajaran mesin, di mana data pelatihan terdiri dari sebagian besar data yang tidak berlabel dan sebagian kecil data yang berlabel. Pendekatan ini mengintegrasikan unsur-unsur prototipe, yang mewakili kelompok-kelompok data dalam ruang fitur, dengan pendekatan hirarkis untuk meningkatkan klasifikasi data yang tidak berlabel. Tujuan dari eksperimen dan evaluasi empiris menunjukkan bahwa pendekatan berbasis prototipe hirarki ini efektif dalam menghasilkan model klasifikasi yang unggul dalam konteks klasifikasi semi-supervisi. Hasil penelitian ini memiliki implikasi penting dalam pengembangan sistem klasifikasi yang memanfaatkan data yang tidak berlabel secara efisien. Dengan demikian, penelitian menjadi landasan penting dalam pengembangan model klasifikasi semi-supervisi yang lebih canggih dan efisien.
Copyrights © 2021