1. 弱监督视觉理解 1.1 弱监督学习简介 不完全监督：只有一部分训练数据具备标签； 不确切监督：训练数据只具备粗粒度标签； 不准确监督：给出的标签并不总是真值；（标签有噪声?） 弱监督的含义：弱监督给出的标签会在某种程度上弱于我们面临的任务所要求的输出。 研究背景 ...

半监督学习总结 一、总结 一句话总结： 在【有标签数据+无标签数据】混合成的训练数据中使用的机器学习算法吧。一般假设，【无标签数据比有标签数据多】，甚至多得多。 其实，半监督学习的方法大都【建立在对数据的某种假设上】，只有满足这些假设，半监督算法才能有性能的保证，这也是限制了半监督学习应用 ...

原址：http://www.cnblogs.com/ariel-dreamland/p/8566348.html A brief introduction to weakly supervised learning（简要介绍弱监督学习） by 南大周志华 摘要 监督学习技术 ...

概念 有监督学习：训练数据既有特征(feature)又有标签(label)，通过训练，让机器可以自己找到特征和标签之间的联系，在面对只有特征没有标签的数据时，可以判断出标签。 无监督学习（unsupervised learning）：训练样本的标记信息未知，目标是通过对无标记训练样本的学习 ...

监督式学习：全部使用含有标签的数据来训练分类器。 无监督式学习：具有数据集但无标签（即聚类）。 半监督学习：使用大量含有标签的数据和少量不含标签的数据进行训练分类或者聚类。 半监督学习：纯半监督学习和直推式学习 纯半监督学习和直推式学习的区别： 半监督学习在学习使并不知道最终 ...

转自：https://zhuanlan.zhihu.com/p/108906502 1. 什么是自监督学习？ 自监督学习主要是利用辅助任务（pretext）从大规模的无监督数据中挖掘自身的监督信息，通过这种构造的监督信息对网络进行训练，从而可以学习到对下游任务有价值的表征。 2.如何评测 ...

1 监督学习 　　利用一组带标签的数据, 学习从输入到输出的映射, 然后将这种映射关系应用到未知数据, 达到分类或者回归的目的 　　(1) 分类: 当输出是离散的, 学习任务为分类任务 　　　　 　　　　输入: 一组有标签的训练数据(也叫观察和评估), 标签表明了这些数据(观察)的所属类别 ...

最近的一段时间一直在学习半监督学习算法，目前，国内的南京大学周志华老师是这方面的泰斗，写了很多这方面牛的文章，可以参考一下他的主页：http://cs.nju.edu.cn/zhouzh/。在国内的学术界周老师一直是我比较钦佩的人之一。下面贴出来的文章出自周老师之手，通俗易懂 ...