论文阅读 | A brief introduction to weakly supervised learning

原论文链接：https://academic.oup.com/nsr/article/5/1/44/4093912

Abstract

文章分类讨论了三种不同类型的弱监督：incomplete supervision, inexact supervision, 和 inaccurate supervision.

Incomplete Supervision:

一小部分训练集是有label的，另外还有一大堆没有label的数据。

主要有两类方法：active learning 和 semi-supervised learning.

• active learning: 有人为干预，假设可以query to get ground-truth of selected unlabeled instances
• semi-supervised learning:  无人为干预，企图从unlabeled data中自动提取一些信息

active learning:

 

semi-supervised learning:

 知乎上有一篇写得很好的总结：https://zhuanlan.zhihu.com/p/32922326

Two basic assumptions:

• clustering assumption: 数据有内在的固有聚类结构，在同一个cluster的instances类别相同
• manifold assumption: 数据分布在流形上，相邻的instances有相同的prediction

Four major categories of semisupervised learning:

Generative methods

 假设有标签和无标签的数据均有同一个固有模型产生，因此无标签数据的label可以看成是模型的一些缺失参数，可用EM等算法估计得到

Graph-based methods

 

Low-density separation methods

 

Disagreement-based methods

 

 

Inexact Supervision

 

转载于:https://www.cnblogs.com/lipingtang/p/10952287.html