Classification semi-supervisée des séries temporelles

La classification semi-supervisée des séries temporelles est une méthode d'analyse de séries temporelles qui combine une petite quantité de données étiquetées avec une grande quantité de données non étiquetées. L'objectif est d'améliorer la précision et la capacité de généralisation des modèles de classification en exploitant les informations structurelles potentielles contenues dans les données non étiquetées. Cette approche est particulièrement précieuse dans des scénarios où le coût de l'annotation des données est élevé ou difficile à obtenir, et elle est largement utilisée dans des domaines tels que la prévision financière, le diagnostic médical et la surveillance industrielle.