
半監(jiān)督學(xué)習(xí)(SSL),全稱Semi-Supervised Learning,類屬于機(jī)器學(xué)習(xí)(Machine Learning,ML)。在只有少量標(biāo)記樣本,大部分樣本都是無標(biāo)記的情況下,可以使用半監(jiān)督學(xué)習(xí)方法,根據(jù)無標(biāo)記樣本與標(biāo)記樣本間的相似度、以及無標(biāo)記樣本潛在的分布,這兩個(gè)核心思想,對(duì)無標(biāo)記的樣本進(jìn)行標(biāo)記。下面介紹一下半監(jiān)督學(xué)習(xí)的種類:
1 生成式方法
生成式方法(generative methods)是直接基于生成式模型的方法,這一方法是假設(shè)所有數(shù)據(jù)(無論是有標(biāo)記還是沒有標(biāo)記)都是由同一潛在的模型生成的。這個(gè)假設(shè)利用潛在模型的參數(shù),將未標(biāo)記數(shù)據(jù)與學(xué)習(xí)目標(biāo)聯(lián)系起來,而未標(biāo)記數(shù)據(jù)的標(biāo)記能夠當(dāng)作模型的缺失參數(shù),然后基于EM算法,進(jìn)行極大似然估計(jì)求解。生成式方法的重點(diǎn)在于生成式模型的假設(shè),不同的模型假設(shè)會(huì)產(chǎn)生不同的方法。當(dāng)然這一方法的關(guān)鍵也就是這個(gè)模型假設(shè)必須是準(zhǔn)確的,也就是假設(shè)的生成式模型必須是與真實(shí)數(shù)據(jù)分布相吻合的;不然利用未標(biāo)記數(shù)據(jù)反而會(huì)降低泛化性能。生成式方法方法實(shí)現(xiàn)簡單,但是在實(shí)際應(yīng)用中,事先很難做出準(zhǔn)確的模型假設(shè)。
半監(jiān)督支持向量機(jī),Semi-Supervised Vector Machin,是支持向量機(jī)在半監(jiān)督學(xué)習(xí)上的推廣。在不考慮未標(biāo)記樣本的情況下,支持向量機(jī)試圖找到最大間隔劃分超平面;在考慮未標(biāo)記樣本的情況下,半監(jiān)督支持向量機(jī)試圖找到,能將兩類有標(biāo)記樣本區(qū)分開,并且穿過數(shù)據(jù)低密度區(qū)域的劃分超平面。低密度分隔(low-densityseparation)假設(shè)是聚類假設(shè)在考慮了線性超平面劃分后的推廣。TSVM是采用局部搜索的策略來進(jìn)行迭代求解,也就是首先使用有標(biāo)記樣本集訓(xùn)練出一個(gè)初始SVM,接著通過該學(xué)習(xí)器對(duì)未標(biāo)記樣本進(jìn)行打標(biāo),這樣使得所有樣本都有了標(biāo)記,并基于這些有標(biāo)記的樣本重新訓(xùn)練SVM,之后再尋找易出錯(cuò)樣本不斷調(diào)整。
3協(xié)同訓(xùn)練(基于分歧的方法)
協(xié)同訓(xùn)練基于大量模型,讓每一個(gè)模型去尋找最有把握的樣本,并作為其他模型的訓(xùn)練樣本,這一互相學(xué)習(xí)、共同進(jìn)步的過程不斷迭代,直到兩個(gè)分裂期不再變化。不同的視圖、不同的算法、不同的數(shù)據(jù)、不同的參數(shù)都是產(chǎn)生差異的渠道。協(xié)同訓(xùn)練能夠通過將樣本集拆分成不同的子樣本集,并分別在子樣本集上訓(xùn)練模型,就會(huì)產(chǎn)生多個(gè)模型;也可以對(duì)樣本集建立不同的分類模型,通過各個(gè)模型決定樣本的置信度,與集成學(xué)習(xí)類似。
4圖半監(jiān)督學(xué)習(xí)
5半監(jiān)督聚類
聚類是無監(jiān)督學(xué)習(xí)任務(wù),為了利用現(xiàn)實(shí)任務(wù)中獲得的監(jiān)督信息,提出半監(jiān)督聚類(semi-supervised clustering)來利用監(jiān)督信息以獲得更好的效果。
聚類任務(wù)中獲得的監(jiān)督信息分兩種:1)有必連(must-link)和勿連(cannot-link)約束,必連是指樣本必屬于同一個(gè)簇,勿連是指樣本必不屬于同一個(gè)簇;2)含有少量的有標(biāo)記樣本。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10CDA 數(shù)據(jù)分析師:商業(yè)數(shù)據(jù)分析實(shí)踐的落地者與價(jià)值創(chuàng)造者 商業(yè)數(shù)據(jù)分析的價(jià)值,最終要在 “實(shí)踐” 中體現(xiàn) —— 脫離業(yè)務(wù)場(chǎng)景的分 ...
2025-09-10機(jī)器學(xué)習(xí)解決實(shí)際問題的核心關(guān)鍵:從業(yè)務(wù)到落地的全流程解析 在人工智能技術(shù)落地的浪潮中,機(jī)器學(xué)習(xí)作為核心工具,已廣泛應(yīng)用于 ...
2025-09-09SPSS 編碼狀態(tài)區(qū)域中 Unicode 的功能與價(jià)值解析 在 SPSS(Statistical Product and Service Solutions,統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案 ...
2025-09-09