机器学习-学习分类: 半监督学习

本文介绍了半监督学习的概念,强调了它如何利用未标记数据提升学习性能。半监督学习的关键在于正确地给未标记数据打标签。文章详细探讨了分类中的纯半监督学习和直推学习,并重点讨论了打标签的方法,包括生成式方法、半监督SVM(S3VM)、S4VM以及图半监督方法和基于分歧的方法。此外,还提到了半监督聚类中的监督信息类型。
摘要由CSDN通过智能技术生成

目录

概念

分类

打标签的方法


概念

  • 半监督学习要让学习器不依赖外界交互、自动的利用未标记数据来提升学习性能
  • 关键在于给未标记数据打上正确的标签
  • 为了应用未标记数据,必须对未标记数据的分布和已标记数据之间的关系作出某种假设,即相似的样本有相似的分布和输出,例如聚类假设和流形假设

分类

  • 纯半监督学习:训练数据中的未标记数据不是待测数据
  • 直推学习:训练数据中的未标记数据恰好就是待测数据,学习的目的就是在这些为标记的样本上获得最优的泛化性能。

关键:打标签的方法

  • 生成式方法:所有标记都是基于同一个潜在模型生成,未标记数据可以看做潜在模型的缺失参数,因此可以用EM算法求解。这个潜在模型的到底是什么必须根据先验知识作出充足的假设才能保证此方法的准确性。这就要根据实际情况具体分析,例如可以假设为GMM模型
  • 半监督SVM(S3VM):SVM基于标记数据,优化策略是找到能够将样本分类的最大间隔分类超平面;而S3VM在这个基础上,

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值