# Samouczenie i pseudoetykiety

EN: **Self-training and pseudo-labelling** · id `pseudolabeling` · aliases: self-training, pseudo-labeling, pseudo-labelling, samouczenie

Path: [AI Atlas](https://aiatlasgraph.com/llms.txt) › [Uczenie maszynowe](https://aiatlasgraph.com/t/ml.md) › [Uczenie z ograniczonym lub automatycznym nadzorem](https://aiatlasgraph.com/t/learningparadigms.md) › [Uczenie pół-nadzorowane](https://aiatlasgraph.com/t/semisupervised.md) › Samouczenie i pseudoetykiety

## Description

- PL: Iteracyjne dodawanie do treningu predykcji modelu o pewności powyżej progu jako etykiet; współcześnie łączone z augmentacją i spójnością.
- EN: Iteratively adding the model's above-threshold predictions to training as labels; modern variants combine it with augmentation and consistency.

## In one sentence

- PL: Model sam dopisuje odpowiedzi do nieopisanych przykładów, a potem uczy się z tych, których jest pewny.
- EN: The model labels unlabelled examples itself, then learns from the ones it is sure about.

## Problem it solves

- PL: Nieopisane dane leżą bezużytecznie, bo nikt nie ma czasu ich przejrzeć.
- EN: Unlabelled data sits unused because nobody has time to go through it.

## What it does

- PL: Działa jak brudnopis: model zapisuje swoje odpowiedzi, odrzuca niepewne, a pewne traktuje jak dodatkowe ćwiczenia w kolejnej rundzie.
- EN: It works like a rough draft: the model writes its answers, discards shaky ones and treats confident ones as extra practice for the next round.

## Everyday example

- PL: Aplikacja do rozpoznawania roślin uczy się z kilkuset zdjęć opisanych przez znawców i tysięcy zdjęć przesłanych przez użytkowników bez nazw.
- EN: A plant-identification app learns from a few hundred photos named by experts and thousands of unnamed photos sent in by users.

## This concerns you if you…

- PL: możesz wytrenować prosty model na małym zbiorze
- PL: masz duży zapas nieopisanych danych z tego samego źródła
- EN: can train a simple model on a small set
- EN: have a large stock of unlabelled data from the same source

## Keywords

SelfTrainingClassifier · FixMatch · Noisy Student · FlexMatch · confidence threshold · consistency regularization · teacher-student

## How it works

- PL: Model wytrenowany na danych etykietowanych przewiduje klasy dla danych bez etykiet; predykcje powyżej progu pewności (albo k najpewniejszych) trafiają do zbioru treningowego i trening się powtarza. FixMatch bierze pseudoetykietę ze słabo zaugmentowanego obrazu i uczy model przewidywać ją dla mocno zaugmentowanej wersji.
- EN: A model trained on labelled data predicts classes for unlabelled data; predictions above a confidence threshold (or the k most confident) join the training set and training repeats. FixMatch takes the pseudo-label from a weakly augmented image and trains the model to predict it for a strongly augmented version.

## Limits

- PL: Źle dobrany próg albo nieskalibrowany model utrwala własne błędy (confirmation bias). Rzadkie klasy dostają mniej pseudoetykiet, co pogłębia niezbalansowanie. Słabo działa, gdy wstępny model jest bardzo zły.
- EN: A poor threshold or an uncalibrated model reinforces its own mistakes (confirmation bias). Rare classes receive fewer pseudo-labels, deepening imbalance. It works poorly when the initial model is very weak.

## Key terms

- PL: **próg pewności**: Minimalne prawdopodobieństwo, od którego predykcja staje się pseudoetykietą.
- PL: **confirmation bias**: Model uczy się na własnych błędach i coraz mocniej w nie wierzy.
- PL: **słaba i silna augmentacja**: Lekko i mocno zniekształcone wersje tego samego przykładu.
- EN: **confidence threshold**: The minimum probability at which a prediction becomes a pseudo-label.
- EN: **confirmation bias**: The model learns from its own errors and trusts them more and more.
- EN: **weak and strong augmentation**: Lightly and heavily distorted versions of the same example.

## Know first

- [Kalibracja pewności modelu (Confidence calibration)](https://aiatlasgraph.com/t/calibration.md)

## Sources

- [scikit-learn — SelfTrainingClassifier (API documentation)](<https://scikit-learn.org/stable/modules/generated/sklearn.semi_supervised.SelfTrainingClassifier.html>) `sklearn-selftraining` · by scikit-learn developers
- [FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence](<https://arxiv.org/abs/2001.07685>) `sohn-fixmatch-2020` · by Kihyuk Sohn, David Berthelot, Chun-Liang Li, Zizhao Zhang, Nicholas Carlini, Ekin D. Cubuk, Alex Kurakin, Han Zhang, Colin Raffel

---

AI Atlas revision 122 (2026-10-30) · HTML: https://aiatlasgraph.com/t/pseudolabeling · index: https://aiatlasgraph.com/llms.txt · everything: https://aiatlasgraph.com/llms-full.txt · updated 2026-10-30