西瓜书+实战+吴恩达机器学习（十六）半监督学习（半监督SVM、半监督k-means、协同训练算法）

如果这篇文章对你有一点小小的帮助，请给个关注，点个赞喔，我会非常开心的~

0. 前言

半监督学习中部分样本有标记，部分样本无标记。

半监督学习可分为两种：

1. 纯半监督学习：希望学得的模型适用于未观察到的数据
2. 直推学习：希望对数据集中未标记的样本进行预测

1. 半监督SVM

半监督支持向量机（Semi-Supervised Support Vector Machine）试图找到能将两类有标记样本分开，且穿过数据低密度区域的划分超平面。

TSVM（Transductive Support Vector Machine）算法流程：

1. 先利用有标记样本训练一个SVM，然后对未标记的样本进行标记指派
2. 寻找两个标记指派为异类且很可能错误的未标记样本，交换它们的标记
3. 重新计算超平面，继续迭代第2步，寻求一个在所有样本上间隔最大化的划分超平面

min ⁡ w , b , y ^ , ξ    1 2 ∣ ∣ w ∣ ∣ 2 2 + C l ∑ i = 1 l ξ i + C u ∑ i = l + 1 m ξ i s . t .    y i ( w T x i + b ) ⩾ 1 − ξ i ,   i = 1 , . . . , l y ^ i ( w T x i + b ) ⩾ 1 − ξ i ,   i = l + 1 , . . . , m ξ i ⩾ 0 ,   i =