Co-training

يعتبر نهج التعلم شبه الخاضع للإشراف (semi-supervised learning) مفيدًا بشكل خاص عندما تكون جميع الشروط التالية صحيحة:

• نسبة الأمثلة غير المسماة (unlabeled examples) إلى الأمثلة المسماة (labeled examples) في مجموعة البيانات عالية.
  
• هذه مشكلة تصنيف (ثنائية (binary) أو متعددة الفئات (multi-class)).
  
• تحتوي مجموعة البيانات (dataset) على مجموعتين مختلفتين من الميزات التنبؤية المستقلة عن بعضها البعض والمتكاملة.
  

يعمل التدريب المشترك بشكل أساسي على تضخيم الإشارات المستقلة إلى إشارة أقوى. على سبيل المثال، ضع في اعتبارك نموذج تصنيف (classification model) يصنف السيارات المستعملة الفردية على أنها جيدة أو سيئة. قد تركز مجموعة واحدة من الميزات التنبؤية على الخصائص الإجمالية مثل سنة السيارة ومنتجها وطرازها؛ قد تركز مجموعة أخرى من الميزات التنبؤية على سجل قيادة المالك السابق وتاريخ صيانة السيارة.