使用模型的预测来训练新模型 [关闭]

Question

我正在尝试训练模型。我只有大约 8k 标记数据和大约 20k 未标记数据。我在想的是，使用 8k 标记数据训练和测试模型并使用该模型预测剩余 20k 未标记数据的类别是否可以。然后，使用所有数据创建一个新模型。我正在尝试进行二元分类，该模型在初始标记的总体上运行良好。

Answer 1

是的，你可以这样做，这绝对没问题，而且这种策略也经常被使用。在此过程中，您需要注意以下几点：

1. 从标记的18000 图像创建良好的分层测试数据。如果可能，请使用 k 折拆分。
2. 现在预测其他未标记的图像并获取伪标签。
3. 在整个数据集上训练模型。
4. 这是最重要的一步。在这里，您将在 k-fold 拆分上验证您的模型，然后评估您的模型的性能是否与仅在标记数据上的 k-fold 结果相比有所提高。

不断重复这些步骤，直到您的分数提高，但请始终注意不存在有关 k-fold 数据的数据泄漏。