semi-supervised-learning

소량의 라벨링된 데이터와 대량의 라벨링되지 않은 데이터를 함께 사용하여 모델을 학습시키는 기법이다. 정답지가 없는 데이터에서도 데이터 자체의 구조나 특징을 스스로 파악하게 함으로써, 데이터 라벨링 비용이 높은 의료 분야에서 효율적인 학습을 가능하게 한다.