半监督学习

监督学习(Semi-SuPErvised LEArning,SSL)

目录

    1.什么是半监督学习2.半监督学习的分类3.半监督学习与监督学习区别4.相关条目5.参考文献

什么是半监督学习

半监督学习机器学习(mACHine LEArning)中的一种训练方式/学习方式。介于监督学习和无监督学习之间。是监督学习与无监督学习相结合的一种学习方法,半监督学习使用大量的未标记数据,以及同时使用标记数据,来进行模式识别工作

对于半监督学习,其训练数据的一部分是有标签的,另一部分没有标签,而没标签数据的数量常常极大于有标签数据数量(这也是符合现实情况的)。隐藏在半监督学习下的基本规律在于:数据的分布必然不是完全随机的,通过一些有标签数据的局部特征,以及更多没标签数据的整体分布,就可以得到可以接受甚至是非常好的分类结果。

半监督学习的分类

半监督学习可进一步划分为纯(pure)半监督学习和直推学习(transductive learning),前者假定训练数据中的未标记样本并非待测的数据,而后者则假定学习过程中所考虑的未标记样本恰是待预测数据,学习的目的就是在这些未标记样本上获得最优泛化性能。

直推学习(Transductive learning):没有标记的数据是测试数据,这个时候可以用test的数据进行训练。这里需要注意,这里只是用了test数据中的feature而没有用label,所以并不是一种欺骗的方法。

归纳学习(Inductive learning):没有标签的数据不是测试集。

半监督学习与监督学习区别

处在监督学习和无监督学习之间的是半监督学习。半监督学习使用的训练数据库,有一部分是标记过的,而大部分是没有标记的。因此和监督学习相比,半监督学习的成本较低,但又能达到较高的准确度

相关条目

  • 监督学习
  • 无监督学习

参考文献

↑ _kIMcho.机器学习笔记——监督学习,无监督学习,半监督学习.CSDN,2018-07

  • ↑ 独孤呆博.半监督学习.CSDN,2018-01
  • 联系管理员
    15775053793

    作者头像
    经济百科创始人

    经济百科

    上一篇:特约经销
    下一篇:死亡率

    发表评论