소수 클래스 의사 표지
불균형한 자료에서 기존 반지도 모형은 소수 클래스의 분류 성능이 낮더라도 해당 클래스에 대해 정밀도가 높은 의사 표지를 만들 수 있다는 관찰에서 출발한다. 이 성질을 자료 재균형에 활용한다.
표지 집합의 반복 확장
무표지 자료 중 의사 표지가 붙은 예시를 표지 집합에 추가하고 기준 반지도 모형을 다시 학습한다. 추정한 클래스 분포를 이용해 소수 클래스의 예시를 더 빈번하게 채택한다.
점진적 분포 정렬
CReST+는 재균형 강도를 적응적으로 조정하는 점진적 분포 정렬을 추가한 구성이다. 원 연구는 여러 불균형 자료에서 기존 반지도 알고리즘과 재균형 방법에 결합해 평가했다.
관련 문서
DARP 의사 표지 정제 / 의사 표지 / 클래스 불균형 / 반지도 학습 / 자기 학습 / ReMixMatch