Semi-supervised Learning ;半监督学习

本文探讨了半监督学习的核心概念及应用场景,分析了为何在数据丰富但标注成本高昂的背景下,该方法变得日益重要。文章重点介绍了四种半监督学习方法:生成式模型、低密度分离、平滑假设以及更好的表示学习。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1. 进入半监督学习

这里写图片描述

2. 半监督学习 出现的原因???

原因:收集样本数据容易,但是给每个样本打标签 成本就很高。
Collecting data is easy, but collecting “labelled” data is expensive.

3. 本篇博客讲解的半监督学习的内容?

这里写图片描述

3.1 Semi-supervised Learning for Generative Model(生成式模型)

这里写图片描述
这里写图片描述

3.2Semi-supervised Learning for Low-density Separation

这里写图片描述
这里写图片描述

3.3 Semi-supervised Learning for Smoothness Assumption

概述

这里写图片描述

How to know ��1 and ��2 are close in a high density region

这里写图片描述

3.4 Semi-supervised Learning for Better Representation

意思是:看似复杂的东西,其实他的本质是 很简单的。所以,找到复杂事物的本质,仅仅对他的本质(简单的)进行处理。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值