半监督学习,顾名思义,训练集既包括有标签数据,也包括无标签数据。
一、学习的分类
1、transductive(直推式)
无标签数据 = 测试集
注重特殊性。从目标出发,考虑问题域(即测试集)的信息,“直接推导”决策边界。
2、inductive(归纳式)
无标签数据 ≠ 测试集(在测试集之外,自己找了一堆无标签数据)
注重通用性。归纳出分布的一般性信息,应用到测试集。
二、半监督学习的基本假设
三、半监督学习的常用算法
(待更新)
半监督学习,顾名思义,训练集既包括有标签数据,也包括无标签数据。
无标签数据 = 测试集
注重特殊性。从目标出发,考虑问题域(即测试集)的信息,“直接推导”决策边界。
无标签数据 ≠ 测试集(在测试集之外,自己找了一堆无标签数据)
注重通用性。归纳出分布的一般性信息,应用到测试集。
(待更新)