半监督学习小结
2015-11-15 12:50
183 查看
这周大部分时间都花在了看半监督学习的论文和做实验上,有想法,但是效果不好。做研究不是一天两天就能做好的。
现在机器学习界主流的分类技术有三大类,监督学习,无监督学习和半监督学习。现在半监督学习因为其所需要的已知标签相比监督学习要少,学习精度比无监督学习要高的特点受到了广泛的关注。
这段时间在写有关半监督学习的论文,确实能感觉到半监督学习的威力。使用无监督学习算法结合已知标签数据发掘更多未知标签数据的信息,然后用这些信息补充原来较少的已知标签数据,循环直到收敛到一个比较好的精度。主要的思想是这样的,不过还可以利用协同训练提高模型的稳定性。
现在机器学习界主流的分类技术有三大类,监督学习,无监督学习和半监督学习。现在半监督学习因为其所需要的已知标签相比监督学习要少,学习精度比无监督学习要高的特点受到了广泛的关注。
这段时间在写有关半监督学习的论文,确实能感觉到半监督学习的威力。使用无监督学习算法结合已知标签数据发掘更多未知标签数据的信息,然后用这些信息补充原来较少的已知标签数据,循环直到收敛到一个比较好的精度。主要的思想是这样的,不过还可以利用协同训练提高模型的稳定性。
相关文章推荐
- 6.2 自定义异常的学习
- 洛谷1021 邮票面值设计
- java_12-24-part three
- 与欧姆龙PLC以太网通信学习总结
- 【Alpha阶段】测试报告
- 【VMCloud云平台】私有云门户第一朵Web云(一)
- rsync 不真正同步,只显示更新的内容
- LeetCode-Add and Search Word - Data structure design
- angular中的orderBy过滤器使用
- XCode证书问题
- XCode保存问题
- ic5141 install
- 【最佳实践系列】一种面向数据的W 4000 PF应用框架
- (java)Climbing Stairs
- 基于Contiki OS的智能led照明:LIFX
- 串的堆分配存储表示
- 了解ActivityThread
- Puppet之exec资源管理
- SSL编程(3).NET实现SSL服务端
- Spring笔记