发简信
IP属地：广东
-
9. 熵正则化
半监督归纳法的问题在于从有标号和无标号的数据中学习决策规则。只要学习标准得到相应的调整，这项任务就可以通过歧视性的方法来完成。在本章中，我们鼓...
-
8. 高斯过程和空类别噪音模型高斯过程分类器（GPC）的目的是预测后验概率的类标签给出协变向量。在GPC从业者通常调用的标准假设下，这种后验概率不受未标记数据点的影响，不为...
-
7. 半定规划半监督学习
我们讨论了支持向量机（SVM）转导问题，这是一个在未标记样本数上具有指数计算复杂性的组合问题。对于这种组合问题，存在不同的方法，其中包括精确的...
-
6. 转导支持向量机（TSVM）
与学习一般预测规则相比，V.Vapnik提出了一种转导学习设置，其中预测只在固定数量的已知测试点进行。这使得学习算法能够利用测试点的位置，使其成...
-
5. 带约束的概率半监督聚类在某些聚类任务中，可以以成对约束的形式获得有限的监督，即标记为属于相同或不同簇的实例对。由此产生的问题称为半监督聚类（semi-supervis...
-
4. 半监督学习的风险：未标记数据如何降低生成分类器的性能正如本书其他章节所描述的那样，经验和理论的结果通常对生成分类器的半监督学习有利。然而，文献也显示存在半监督学习不能产生好的生成式分类器的情况。我...
-
3. 使用 EM 的半监督文本分类数十年以来，统计学家提倡使用标记数据和未标记数据的组合，通过迭代期望最大化（EM）技术估计生成模型的参数来训练分类器。本章探讨了这种方法在应用于...
-
2. 半监督学习方法的分类
我们提出了一个简单的分类概率图模型的半监督学习问题。我们为每个族提供了一些广泛的算法类，并指出了文献中的具体实现。最后，我们对使用输入相关正则化...
-
1. 半监督学习简介
1.1 监督、非监督、半监督机器学习 为了理解半监督学习的本质，了解下监督和非监督学习是很有帮助的。 1.1.1 监督与非监督学习 传统上，机器...