1. 弱監督視覺理解 1.1 弱監督學習簡介 不完全監督：只有一部分訓練數據具備標簽； 不確切監督：訓練數據只具備粗粒度標簽； 不准確監督：給出的標簽並不總是真值；（標簽有噪聲?） 弱監督的含義：弱監督給出的標簽會在某種程度上弱於我們面臨的任務所要求的輸出。 研究背景 ...

半監督學習總結 一、總結 一句話總結： 在【有標簽數據+無標簽數據】混合成的訓練數據中使用的機器學習算法吧。一般假設，【無標簽數據比有標簽數據多】，甚至多得多。 其實，半監督學習的方法大都【建立在對數據的某種假設上】，只有滿足這些假設，半監督算法才能有性能的保證，這也是限制了半監督學習應用 ...

原址：http://www.cnblogs.com/ariel-dreamland/p/8566348.html A brief introduction to weakly supervised learning（簡要介紹弱監督學習） by 南大周志華 摘要 監督學習技術 ...

概念 有監督學習：訓練數據既有特征(feature)又有標簽(label)，通過訓練，讓機器可以自己找到特征和標簽之間的聯系，在面對只有特征沒有標簽的數據時，可以判斷出標簽。 無監督學習（unsupervised learning）：訓練樣本的標記信息未知，目標是通過對無標記訓練樣本的學習 ...

監督式學習：全部使用含有標簽的數據來訓練分類器。 無監督式學習：具有數據集但無標簽（即聚類）。 半監督學習：使用大量含有標簽的數據和少量不含標簽的數據進行訓練分類或者聚類。 半監督學習：純半監督學習和直推式學習 純半監督學習和直推式學習的區別： 半監督學習在學習使並不知道最終 ...

轉自：https://zhuanlan.zhihu.com/p/108906502 1. 什么是自監督學習？ 自監督學習主要是利用輔助任務（pretext）從大規模的無監督數據中挖掘自身的監督信息，通過這種構造的監督信息對網絡進行訓練，從而可以學習到對下游任務有價值的表征。 2.如何評測 ...

1 監督學習 　　利用一組帶標簽的數據, 學習從輸入到輸出的映射, 然后將這種映射關系應用到未知數據, 達到分類或者回歸的目的 　　(1) 分類: 當輸出是離散的, 學習任務為分類任務 　　　　 　　　　輸入: 一組有標簽的訓練數據(也叫觀察和評估), 標簽表明了這些數據(觀察)的所屬類別 ...

最近的一段時間一直在學習半監督學習算法，目前，國內的南京大學周志華老師是這方面的泰斗，寫了很多這方面牛的文章，可以參考一下他的主頁：http://cs.nju.edu.cn/zhouzh/。在國內的學術界周老師一直是我比較欽佩的人之一。下面貼出來的文章出自周老師之手，通俗易懂 ...