半监督学习 (SSL) 中的预测建模任务涉及构建使用标记和未标记数据进行预测的模型。与完全依赖标记数据的传统监督学习不同，SSL 利用未标记数据中的模式来提高模型准确性，尤其是在标记数据稀缺时。 常见的任务包括分类（例如，图像或文本分类）和回归（例如，预测数值），其中模型从一小部分标记示例和大量的未标记数据中学习。目标是通过将显式标签与从未标记样本中推断出的模式相结合，从而更好地泛化。
一个实际例子是图像分类。假设一个开发人员有 1,000 张已标记的猫和狗的图像，但有 10,000 张未标记的图像。SSL 模型可以使用伪标签等技术：它首先在标记数据上进行训练，预测未标记图像的标签，然后使用原始标签和高置信度预测重新训练。另一个例子是文本情感分析，其中在少量标记评论（正面/负面）上训练的模型可以通过识别语言模式（例如，词频、句子结构）来分析未标记的评论，从而改进其预测。诸如一致性正则化（例如，强制模型为同一未标记数据的略微改变的版本生成相似的输出）之类的 SSL 方法在语音识别等任务中也很常见，其中未标记的音频片段有助于提高对背景噪声的鲁棒性。
为预测任务实施 SSL 的开发人员必须解决诸如确保未标记数据与标记数据的分布对齐等挑战。例如，如果未标记的图像包含未见过的类别（例如，猫/狗数据集中的鸟类），则模型的伪标签可能会引入错误。诸如协同训练（使用多个模型来交叉验证伪标签）或熵最小化（鼓励模型对未标记数据进行自信的预测）之类的技术可以缓解这种情况。诸如 PyTorch 和 TensorFlow 之类的框架通过 PyTorch Lightning 或 TensorFlow 的 Keras API 等库支持 SSL，这些库简化了将一致性损失或伪标签集成到训练循环中。但是，开发人员应严格验证 SSL 模型，因为过度依赖嘈杂的伪标签可能会降低性能，与监督基线相比。