半监督学习框架项目推荐

半监督学习框架项目推荐

semisup-learn Semi-supervised learning frameworks for python, which allow fitting scikit-learn classifiers to partially labeled data 项目地址: https://gitcode.com/gh_mirrors/se/semisup-learn

项目基础介绍和主要编程语言

semisup-learn 是一个基于 Python 的半监督学习框架，旨在为部分标注的数据集提供高效的分类器训练。该项目与 scikit-learn 兼容，允许用户使用现有的 scikit-learn 分类器进行半监督学习。

项目核心功能

1. 对比悲观似然估计（CPLE）：

   • 基于 Loog (2015) 的对比悲观似然估计方法，适用于所有能够生成预测概率的分类器。
   • 提供了一个“安全”的框架，确保在有标签和无标签数据上训练的模型不会比仅在有标签数据上训练的模型差。

2. 自学习（Self Learning）：

   • 一种简单的半监督学习框架，适用于任何分类器。
   • 通过迭代地使用训练好的分类器对无标签实例进行标注，并重新训练模型。

3. 半监督支持向量机（S3VM）：

   • 提供了一个简单的 scikit-learn 兼容的 QN-S3VM 代码包装器，用于比较和评估。

项目最近更新的功能

由于引用内容中没有提供具体的更新日志或最近更新信息，因此无法提供详细的最近更新功能。建议访问项目的 GitHub 仓库以获取最新的更新信息。

semisup-learn Semi-supervised learning frameworks for python, which allow fitting scikit-learn classifiers to partially labeled data 项目地址: https://gitcode.com/gh_mirrors/se/semisup-learn