Ciertamente es factible, pero no diría que es lo mejor. Puede usar fácilmente el aprendizaje automático no supervisado para realizar la agrupación, y desde allí puede limitar los grupos a 10 (si tiene 10 clases, por ejemplo), y luego, para cada nuevo punto de datos, simplemente encuentra qué grupo coincide más estrechamente.
De hecho, el aprendizaje de un disparo generalmente se realiza de esta manera, porque no hay entrenamiento / modelo parametrizado involucrado. Una actualización de este paradigma son las Redes de correspondencia de Google, que utilizan redes neuronales capacitadas en un conjunto de datos supervisado primero para extraer características y elevar los píxeles sin procesar a un nuevo espacio de datos, de modo que kNN se vuelve más fácil.
Dicho esto, definitivamente esta no es la mejor manera de hacerlo. Si realmente no puede pasar por el esfuerzo de etiquetar a mano, intente preguntarle a sus amigos o use Amazon Mechanical Turk, porque el aprendizaje no supervisado es realmente fastidioso y solo es realmente práctico en un subconjunto limitado de problemas de predicción. Por ejemplo, si desea predecir el texto, ¿cómo lo haría? Hay demasiado contexto involucrado para que un simple algoritmo de agrupación / kNN lo resuelva, y el conjunto de datos probablemente será tan ruidoso que tener, por ejemplo, 10k clústeres para 10k clases de vocabulario sería increíblemente extendido.
- ¿Compartir solo los algoritmos de aprendizaje automático (Modelos) puede considerarse como democratizador del aprendizaje automático?
- ¿Cómo pueden la ciencia y las técnicas modernas mejorar el rendimiento y la eficiencia de la señal de tráfico?
- ¿La inteligencia artificial y el aprendizaje automático reemplazarán las pruebas de selenio y las pruebas de automatización?
- ¿De qué trata el aprendizaje automático?
- ¿La Inteligencia Artificial afectará a todas las industrias y empresas si se vuelve real?
