背景(半监督学习) (纯)半监督学习 有标记样本 幽xA,「N 待测数据 模型 品瓜师 无标记样本 直推学习
背景(半监督学习) 品瓜师 吃 模型 有标记样本 无标记样本 直推学习 (纯)半监督学习 待测数据
未标记样本的假设 口要利用未标记样本,必然要做一些将未标记样本所揭示的数据分 布信息与类別标记相联系的假设,其中有两种常见的假设。 ●聚类假设( clustering assumption) 假设数据存在簇结构,同一簇的样本属于同一类别。 ●流形假设( manifold assumption) 假设数据分布在一个流形结构上,邻近的样本具有相似的输出值。 流形假设可看聚类假设的推广
未标记样本的假设 要利用未标记样本,必然要做一些将未标记样本所揭示的数据分 布信息与类别标记相联系的假设,其中有两种常见的假设。 ⚫ 聚类假设(clustering assumption): 假设数据存在簇结构,同一簇的样本属于同一类别。 ⚫ 流形假设(manifold assumption): 假设数据分布在一个流形结构上,邻近的样本具有相似的输出值。 流形假设可看做聚类假设的推广
大纲 口未标记样本 口生成式方法 口半监督SV 口图半监督学习 基于分歧的方法 口半监督聚类
大纲 未标记样本 生成式方法 半监督SVM 图半监督学习 基于分歧的方法 半监督聚类