半监督学习思路学习记录

半监督学习思路整理

一、半监督学习思路semi-supervised learning（SSL）

需要明确的知识点：

1、首先确定训练集中包含两种数据：labeled和unlabeled。

2、我们最终目的是得到一个分类器，即网络模型。

3、训练结束的条件可以是将无标签数据作为网络的输入，得到输出的预测标签，在一定置信度之内的数据可以划分到有标签数据中，直到训练集中的数据都有了标签，此时可以认为分类器就是最终分类器。

步骤：

1. 通过初始有标签的数据训练网络得到一个初始网络模型f。
2. 使用初始网络模型f对无标签数据x预测得到预测标签y，在一定置信度内认为该预测标签正确。
3. 将认为正确的预测标签的数据（x,y）从训练集中的无标签数据中移除到有标签数据中。
4. 使用新得到的数据集重新训练网络，直到满足条件为止。

最终得到的网络模型即为最终的网络模型。