7、半监督学习知识点

半监督学习知识点


监督学习主要解决的是分类和回归的场景,无监督学习主要解决聚类场景,半监督学习解决的是一些打标数据比较难获得的分类场景,强化学习主要是针对流程中不断需要推理的场景。

有监督学习:标记数据
半监督学习:既有有标记数据 xr,又有无标记数据 xu
无监督学习:无标记数据

监督学习的核心就是回归,无监督学习的核心是分类,半监督学习一般的目标是找到一个函数迎合(也就是回归任务),然后用分类任务的信息去优化回归函数。

半监督学习具体还可以分为两类,即(纯)半监督学习和直推学习,前者假定训练数据中的未标记样本并非待预测的数据,模型用于预测样本之外的数据,而后者则假定学习过程中所考虑的未标记样本恰是待预测数据。

对于有标记的数据集D l D_lD ​ ,先用其训练一个模型,再用这个模型去未标记的数据集D u D_uD ​ 中挑选样本,再询问“专家”这个样本的标记信息,从而将新获得的有标记的样本加入D l D_lD 重新训练模型,然后再去挑选样本,以此类推

你可能感兴趣的:(学习笔记,学习,深度学习)