Self-training
Tema: ML Clásico · Catálogo de recetas · temario: Syllabus IOAI
📍 Dónde se aprende: no lo cubre todavía ningún módulo de la Ruta de Aprendizaje — el vault lo documenta igual porque aparece en tareas reales.
Qué hace
Aprovecha los datos sin etiqueta: etiqueta los que el modelo predice con alta confianza y reentrena incluyéndolos.
Cuándo usarla
Cuando hay pocas etiquetas y muchos datos sin etiquetar. Es exactamente el escenario de Antique Painting Authentication (IOAI 2025), donde la mayoría de las 500 muestras venía marcada como desconocida.
Implementación
Necesita: numpy, sklearn.
import numpy as np
def self_training(modelo, X_etiquetado, y_etiquetado, X_sin_etiqueta,
umbral=0.9, rondas=5):
"""Usa los datos sin etiqueta: etiqueta los que el modelo predice con
confianza y reentrena con ellos.
Es lo que pedía Antique Painting Authentication (IOAI 2025): 500 muestras y
la mayoría con la etiqueta marcada como desconocida. Devuelve el modelo ya
entrenado.
"""
X = np.asarray(X_etiquetado, dtype=float)
y = np.asarray(y_etiquetado)
resto = np.asarray(X_sin_etiqueta, dtype=float)
for _ in range(rondas):
modelo.fit(X, y)
if len(resto) == 0:
break
probs = modelo.predict_proba(resto)
confianza = probs.max(axis=1)
seguros = confianza >= umbral
if not np.any(seguros):
break
pseudo = modelo.classes_[probs[seguros].argmax(axis=1)]
X = np.vstack([X, resto[seguros]])
y = np.concatenate([y, pseudo])
resto = resto[~seguros]
modelo.fit(X, y)
return modelo⚠️ Notas
El riesgo es la profecía autocumplida: si el modelo se equivoca con confianza, se enseña su propio error y lo amplifica ronda a ronda. Defensas: umbral alto (0.9 o más), pocas rondas, y medir siempre en un set etiquetado que nunca entre al pseudo-etiquetado.
Si no mejora sobre el modelo supervisado a secas, descártalo sin pena: no siempre ayuda.
🔗 Relacionadas
Verificada
Este código se ejecuta en cada publicación, contra una referencia obviamente correcta, en
herramientas/pruebas/modelos.py. Si se rompe, el sitio no se actualiza.
Las otras puertas del vault: Ruta de Aprendizaje · Referencia · IOAI