= unlabeled data의 target class.
각 unlabeled sample에 대해 가장 높이 예측된 확률을 true class로 선택한다.
준지도 학습의 목표는 unlabeled data를 사용하여 성능을 향상시키는 것. 성능을 향상시키기 위해서는 decision boundary가 low-density regions에 있어야 함.
decision boundary
low-density regions : 낮은 밀도 영역.
이거는 Maximum a posteriori estimation 관점에서 unlabeled data로부터 이점을 얻는 것. unlabeled data에 대한 entropy를 최소화 함으로써 클래스 간 low density separation을 추구한다.