HyperAI超神经

半教師あり学習教師あり学習と教師なし学習の中間の学習技術です。学習にはラベル付きサンプルとラベルなしサンプルの両方が使用されます。

半教師あり学習を使用すると、学習者はラベルのないサンプルを自動的に使用して、外部インタラクションに依存せずに学習パフォーマンスを向上させることができます。

1 つは「クラスター仮定」です。これは、データがクラスター構造を持ち、同じクラスター内のサンプルは同じカテゴリーに属すると仮定します。

もう 1 つのタイプは「多様体仮定」です。これは、データが多様体構造上に分布しており、隣接するサンプルの出力値が類似していると仮定します。

半教師あり学習には 2 つのサンプルセットがあり、1 つはラベル付き、もう 1 つはラベルなしで表されます。

Lable = { ( xi , yi ) }、Unlable = { ( xi ) }、そして定量的には、L << U。

1) ラベル付きサンプルのみを使用して、教師付き分類アルゴリズムを生成できます。

2) ラベルのないサンプルのみを使用して、教師なしクラスタリングアルゴリズムを生成できます。

3) 両方を使用して、教師あり分類の効果を高めるためにラベルなしサンプルを 1 に追加したいと考えています。同様に、教師なしクラスタリングの効果を高めるためにラベル付きサンプルを 2 に追加したいと考えています。

一般に、半教師あり学習は、ラベルなしのサンプルを教師あり分類アルゴリズムに追加して、半教師あり分類を実現することに重点を置いています。つまり、ラベルなしのサンプルを 1 に追加して、分類効果を高めます。

1) 自己訓練自己訓練アルゴリズム。

2) 生成モデル生成モデル。

3) SVM 半監視型サポートベクターマシン。

4) グラフベースの方法グラフ理論の方法。

5) マルチビュー学習マルチビューアルゴリズム。

【1】https://blog.csdn.net/ice110956/article/details/13775071

【2】http://blog.sciencenet.cn/blog-242887-309591.html

【3】https://www.zybuluo.com/Team/note/1133211