sheng的学习笔记-AI-图半监督学习，标签传播算法（label propagation）

AI目录：sheng的学习笔记-AI目录-优快云博客

半监督学习：sheng的学习笔记-AI-半监督学习-优快云博客 

什么是图半监督学习

给定一个数据集，我们可将其映射为一个图，数据集中每个样本对应于图中一个结点，若两个样本之间的相似度很高（或相关性很强）​，则对应的结点之间存在一条边，边的“强度”(strength)正比于样本之间的相似度（或相关性）​。

为什么要“图”？

在现实数据中，样本之间往往不是孤立的，而是存在联系或相似性。

例如：

• 网页之间有超链接；

• 社交网络中人和人有关系；

• 股票之间有行业、概念或价格相关性；

• 图像样本之间有特征相似度。

于是我们可以把整个数据集表示成一个 图（Graph）：

• 节点（node）：每个样本（无论有无标签）；

• 边（edge）：表示样本之间的关系（例如相似度、相关性、距离等）。

这种建模方式就能让“信息”从有标签的节点流向无标签节点，这正是图半监督学习的核心思想。

标记传播算法（