Semi-supervised Learning

最新推荐文章于 2023-07-12 01:40:22 发布
最新推荐文章于 2023-07-12 01:40:22 发布
阅读量705 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/travischan/article/details/53402726
版权

简单聊一下Semi-supervised Learning(SSL)分类时, 两个可用的方法: self-training与active learning.
当我们有标注的样本很少时, 训练的模型会不够准确. 这时我们可以尝试利用一下无标注的样本.

Self-training

  1. 用Labeled set训练模型.
  2. 用模型预测Unlabeled set.
    将预测结果中置信度最大的一个instance从Unlabeled set移动到Labeled set. 其label当然就是预测的这个结果.
  3. Goto 1 直到所有instance都移动到Labeled set中.

Active learning

  1. 用Labeled set训练模型.
  2. 用模型预测Unlabeled set.
    从预测结果中, 选取最不确信的一个(批), 拿来人工标注. 并移动到Labeled set中.
  3. Goto 1 直到所有instance都移动到Labeled set中.

其中第2步, 如何选择一批合适的instance来标注呢? 选最不确信(决策边界附近)的instance是一个方法. 同时也有很多其他方法, 比如训练多个模型, 选多个模型分歧最大的instance; 选取能使模型变化最大(或loss下降最多)的instance等. 详细总结可见Wikipedia.

参考资料:
Wikipedia: Active learning

travischan
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
半监督学习 (SemiSupervised Learning) 原理与代码实例讲解
光剑书架上的书
07-05 762
在机器学习领域，数据集通常分为两类：带有标签的数据（有监督学习）和未带标签的数据（无监督学习）。有监督学习方法需要大量带有标签的数据来训练模型，而无监督学习方法则利用未带标签的数据进行模式识别和聚类。然而，获取大量高质量的标签数据往往成本高昂且耗时。半监督学习（Semi-Supervised Learning）旨在解决这个问题，通过利用有限的带标签数据和大量的未带标签数据，提高学习效率和模型性能。图结构：构建数据之间的关系图，用于传播标签信息。损失函数：设计包含有标签样本和无标签样本损失的联合损失函数。
机器学习 -- Semi-supervised Learning
01-30
Semi-supervised Learning Introduction Why semi-supervised learning helps? Semi-supervised Learning for Generative Model Low-density Separation Assumption Smoothness Assumption Better Representation
Semi-supervised learning
tzyf333的专栏
03-18 4103
<br />http://www.madongfly.cn/articles/active-learning.html<br />http://demonstrate.ycool.com/post.3122672.html<br />http://blogger.org.cn/blog/more.asp?name=DMman&id=27357<br /> <br /> <br />在机器学习(Machine learning)领域，监督学习(Supervised learning)、非监督学习(Un
Unsupervised, Semi-Supervised, Supervised Learning
E.G的专栏
03-11 1991
Semi-Supervised:In computer science, semi-supervised learning is a class of machine learning techniques that make use of both labeled and unlabeled data for training - typically a small amount of la
Semi-Supervised Learning
12-16
Semi-Supervised Learning
excel熵值法计算权重_计算机视觉中的半监督学习
weixin_40005542的博客
11-21 279
作者：Amit Chaudhary编译：ronghuaiyang原文链接：计算机视觉中的半监督学习​mp.weixin.qq.com导读图解半监督的各种方法的关键思想。计算机视觉的半监督学习方法在过去几年得到了快速发展。目前最先进的方法是在结构和损失函数方面对之前的工作进行了简化，以及引入了通过混合不同方案的混合方法。在这篇文章中，我会通过图解的方式解释最近的半监督学习方法的关键思想。1、自训练在...
Label Efficient Semi-Supervised Learning via Graph Filtering.pdf
08-09
Graph-based methods have been demonstrated as one of the most effective approaches for semi-supervised learning,astheycanexploittheconnectivitypatternsbetweenlabeled and unlabeled data samples to ...
Graph-Based Semi-Supervised Learning
01-09
In order to adapt to this phenomenon, several semi-supervised learning (SSL) algorithms, which learn from labeled as well as unlabeled data, have been developed. In a separate line of work, ...
nips14-ssl:NIPS 2014 论文“Semi-Supervised Learning with Deep Generative Models”结果复现代码
06-28
NIPS'14-SSL 使用深度生成模型重现我们的 NIPS 2014 论文关于半监督学习 (SSL) 的一些关键结果的代码。 DP Kingma、DJ Rezende、S. Mohamed、M. Welling 具有深度生成模型的半监督学习神经信息处理系统的进展 27 ...
Semi-Supervised Learning with Ladder Network
03-01
首先，标题中的“Semi-Supervised Learning with Ladder Network”揭示了本篇论文的核心内容。半监督学习是一种机器学习范式，它同时利用标注数据（监督学习）和未标注数据（无监督学习）来训练模型。这种方法特别...
Adaptive Semi-supervised Learning with Discriminative Least Squares Regression
02-07
### 适应性半监督学习与判别最小二乘回归 #### 摘要与引言概览 在《适应性半监督学习与判别最小二乘回归》这篇研究论文中，作者提出了一种新的半监督学习方法，该方法旨在解决多类分类问题中的小样本标记数据和...
半监督学习综述(a survey of semi-supervised learning)
11-28
一篇数据挖掘课的作业论文。 关于半监督学习方面的综述性文章。 所参考文献在2009年以前。 目前这方面的中文文献相对较少，希望我的这篇作业能对有兴趣做这方面研究的朋友有所帮助，其中错误之处还请大家多多指出。
Semi-supervised Learning(半监督学习)
长路漫漫亦灿灿
05-30 1365
半监督学习，
半监督学习（semi-supervised learning）
n不正
04-15 5583
半监督学习（semi-supervised learning）1 introduction why semi-supervised learning? 收集数据很贵，收集有标签的数据更贵！ superviesd：D={(xi,yi)}Ni=1D = \{ (x_i,y_i)\}_{i = 1}^N semi-supervised：D={(xi,yi)}Mi=1∪{xu}Nj=M+1D
半监督学习（SEMI-Supervised Learning）
qq_42769683的博客
11-08 7085
简单易懂什么是半监督学习，为什么使用半监督学习
半监督学习(Semi-Supervised Learning)
最新发布
光剑书架上的书
07-12 220
半监督学习(Semi-Supervised Learning) Semi-Supervised Learning. 半监督学习(Semi-Supervised Learning)是指同时从有标签数据和无标
[机器学习-李宏毅] 半监督学习笔记 (Semi-supervised Learning)
qq_27309515的博客
09-22 1183
Semi-supervised Learning   Semi-supervised Learning 是 半监督学习 的意思。他是指用于训练的数据有一部分是有标签的，一部分数据是无标签的，同时使用这两部分数据进行学习。你可能会有一些疑问，为什么要使用没有标签的数据？没有标签的数据怎么能用来训练？对于第一个问题，是因为现在的机器学习方法大多都是数据驱动的方法，数据的量很大程度上会决定我们训练出的模型的好坏，但是提升数据量又是件不容易的事情，但是需要注意的是获取大量数据其实不难，难的是获取大量有标签的数据。比
半监督学习：semi-supervised learning 直推学习：transductive learning 主动学习：active learning
jieming2002的博客
09-28 761
目前，利用未标记示例的主流学习技术主要有三大类：半监督学习（semi-supervised learning）、直推学习（transductive learning）和主动学习（active learning）。 https://blog.csdn.net/assiduousknight/article/details/18146451 主动学习、纯半监督学习、直推学习的联系与区别 https://www.cnblogs.com/yanmk/p/8118864.html ...
机器学习系列15-半监督学习
weixin_44406200的博客
06-28 2506
如果本文对你有帮助，请给我的github打个star叭 辛苦整理码字不易，免费分享给大家，也希望大家能帮忙点一点下面的图片，给我更多的更新动力叭！ 半监督学习(semi-supervised learning) 1、introduction 2、Semi-supervised Learning for Generative Model 3、Low-density Separation Assumption：非黑即白 4、Smoothness Assumption：近朱者赤，近墨者黑 5、Better R
temporal ensembling for semi-supervised learning
06-28
Temporal Ensembling是一种半监督学习方法，它使用了时间上的一致性来提高模型的性能。该方法通过对未标记数据进行预测，并将预测结果与之前的预测结果进行平均，从而获得更加稳定和准确的预测结果。...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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