半监督学习(semi-supervised learning)综述
一些参考资料: [1] 李宏毅机器学习教学视频 semi-supervise [2] 李宏毅视频的文字稿 (上面两个资料的讲解顺序是：semi-supervised generative model --> low density assumption --> ...
原文：SSL0-半监督学习方法（Semi-supervised Learning）的分类
根据模型的训练策略划分： 直推式学习 Transductive Semi supervised Learning 无标记数据就是最终要用来测试的数据，学习的目的就是在这些数据上取得最佳泛化能力。 归纳式学习 Inductive Semi supervised Learning 认为待识别样本不能是训练中所用的无标签数据，不能参与到训练过程。 这两者的区别在于：预测样本是不是在训练的时候已经见 用 ...
2021-03-08 19:12 0 628 推荐指数：
相关推荐
半监督学习 Semi-Supervised-Learning
SSL按照统计学习理论的角度包括直推(Transductive)SSL和归纳(Inductive)SSL两类模式。直推SSL只处理样本空间内给定的训练数据，利用训练数据中有类标签的样本和无类标签的样例进行训练，预测训练数据中无类标签的样例的类标签；归纳SSL处理整个样本空间中所有给定和未知的样例 ...
【论文解读】【半监督学习】【Google教你水论文】A Simple Semi-Supervised Learning Framework for Object Detection
题记：最近在做LLL(Life Long Learning)，接触到了SSL(Semi-Supervised Learning)正好读到了谷歌今年的论文，也是比较有点开创性的，浅显易懂，对比实验丰富，非常适合缺乏基础科学常识和刚刚读研不会写论文的同学读一读，触类旁通嘛。 这篇论文 ...
如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)
监督学习：简单来说就是给定一定的训练样本(这里一定要注意，样本是既有数据，也有数据对应的结果)，利用这个样本进行训练得到一个模型(可以说是一个函数)，然后利用这个模型，将所有的输入映射为相应的输出，之后对输出进行简单的判断从而达到了分类(或者说回归)的问题。简单做一个区分，分类就是离散的数据，回归 ...
如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)
机器学习的常用方法中，我们知道一般分为监督学习和非监督学习。 l 监督学习：监督学习，简单来说就是给定一定的训练样本（这里一定要注意，这个样本是既有数据，也有数据相对应的结果），利用这个样本进行训练得到一个模型（可以说就是一个函数），然后利用这个模型，将所有的输入映射为相应的输出，之后对输出 ...
监督学习方法
学习资料：《统计学习方法 第二版》、《机器学习实战》、吴恩达机器学习课程 一. 感知机Proceptron 感知机是根据输入实例的特征向量\(x\)对其进行二类分类的线性分类模型：\(f(x)=\operatorname{sign}(w \cdot x+b)\)，感知机模型 ...
无监督学习方法
学习资料：吴恩达机器学习课程 一. K-means算法 1. 算法思想 K-均值算法是无监督学习中聚类算法中的一个 初始化k个聚类中心 循环： 将每个训练样本归类到最近的聚类中心组成一个个聚类 移动聚类中心到本身聚类的中心(平均值 ...
经典监督学习方法
监督学习（Unsupervised learning）最典型的就是聚类，事先不知道样本的类别，通过某种办法 ...