人工智能-机器学习-算法-半监督学习:半监督学习(Semi-supervised Learning)算法
- 一、半监督学习算法提出的背景
- 二、学术名词区分
- 三、半监督学习的基本假设
- 四、半监督学习算法的主要方法
- 五、半监督学习算法应用实例
- 六、半监督学习中待研究的问题
一、半监督学习算法提出的背景
1、监督学习算法
- 监督学习:训练样本集不仅包含样本,还包含这些样本对应的标签,即样本和样本标签成对出现。监督学习的目标是从训练样本中学习一个从样本到标签的有效映射,使其能够预测未知样本的标签。监督学习是机器学习中最成熟的学习方法,代表性的算法包括神经网络、支持向量机(SVM)等。
2、无监督学习算法
- 无监督学习:只能利用训练样本的数据分布或样本间的关系将样本划分到不同的聚类簇或给出样本对应的低维结构。- 因此,无监督学习常被用于对样本进行聚类或降维,典型的算法包括尺均值聚类和主成分分析等。