semi-supervised
introduce
简单介绍:
为什么半监督学习会有效果呢?
Semi-supervised Learning for Generative Model
生成模型的半监督学习
监督生成模型:
半监督生成模型:
具体做法步骤:
那为什么要这样去做呢?:
Low-density Separation Assumption
接下来介绍一种新的方法,它基于的假设是Low-density separation:
最具代表的方法——self-training:
hard label 对比 soft label:
进阶版:
semi-supervised SVM:
但是问题是,如果数据很大,非常难穷举所有的可能,上面的paper中又提出一个方法:最开始先得到一些label,然后每次改一笔unlabelled data的label,看看可不可以让objective function变大,如果可以变大就去改变该label
Smoothness Assumption
另外一种方法
基本思想是:近朱者赤,近墨者黑
思想:
具体举例:
一种方法——cluster and then label:
引入图结构:
具体步骤:
基本精神:
定量使用graph:
简化:
Better Representation
Better Representation的精神是,去芜存菁,化繁为简