發(fā)簡信
IP屬地：廣東
-
9. 熵正則化
半監(jiān)督歸納法的問題在于從有標號和無標號的數(shù)據(jù)中學習決策規(guī)則。只要學習標準得到相應的調(diào)整，這項任務就可以通過歧視性的方法來完成。在本章中，我們鼓...
-
8. 高斯過程和空類別噪音模型高斯過程分類器（GPC）的目的是預測后驗概率的類標簽給出協(xié)變向量。在GPC從業(yè)者通常調(diào)用的標準假設下，這種后驗概率不受未標記數(shù)據(jù)點的影響，不為...
-
7. 半定規(guī)劃半監(jiān)督學習
我們討論了支持向量機（SVM）轉導問題，這是一個在未標記樣本數(shù)上具有指數(shù)計算復雜性的組合問題。對于這種組合問題，存在不同的方法，其中包括精確的...
-
6. 轉導支持向量機（TSVM）
與學習一般預測規(guī)則相比，V.Vapnik提出了一種轉導學習設置，其中預測只在固定數(shù)量的已知測試點進行。這使得學習算法能夠利用測試點的位置，使其成...
-
5. 帶約束的概率半監(jiān)督聚類在某些聚類任務中，可以以成對約束的形式獲得有限的監(jiān)督，即標記為屬于相同或不同簇的實例對。由此產(chǎn)生的問題稱為半監(jiān)督聚類（semi-supervis...
-
4. 半監(jiān)督學習的風險：未標記數(shù)據(jù)如何降低生成分類器的性能正如本書其他章節(jié)所描述的那樣，經(jīng)驗和理論的結果通常對生成分類器的半監(jiān)督學習有利。然而，文獻也顯示存在半監(jiān)督學習不能產(chǎn)生好的生成式分類器的情況。我...
-
3. 使用 EM 的半監(jiān)督文本分類數(shù)十年以來，統(tǒng)計學家提倡使用標記數(shù)據(jù)和未標記數(shù)據(jù)的組合，通過迭代期望最大化（EM）技術估計生成模型的參數(shù)來訓練分類器。本章探討了這種方法在應用于...
-
2. 半監(jiān)督學習方法的分類
我們提出了一個簡單的分類概率圖模型的半監(jiān)督學習問題。我們?yōu)槊總€族提供了一些廣泛的算法類，并指出了文獻中的具體實現(xiàn)。最后，我們對使用輸入相關正則化...
-
1. 半監(jiān)督學習簡介
1.1 監(jiān)督、非監(jiān)督、半監(jiān)督機器學習 為了理解半監(jiān)督學習的本質，了解下監(jiān)督和非監(jiān)督學習是很有幫助的。 1.1.1 監(jiān)督與非監(jiān)督學習 傳統(tǒng)上，機器...