半監督學習
用手机看条目
出自 MBA智库百科(https://wiki.mbalib.com/)
半監督學習（Semi-Supervised Learning，SSL）
目錄 |
[編輯]
半監督學習是機器學習（machine learning）中的一種訓練方式/學習方式。介於監督學習和無監督學習之間。是監督學習與無監督學習相結合的一種學習方法，半監督學習使用大量的未標記數據，以及同時使用標記數據，來進行模式識別工作。
對於半監督學習，其訓練數據的一部分是有標簽的，另一部分沒有標簽，而沒標簽數據的數量常常極大於有標簽數據數量（這也是符合現實情況的）。隱藏在半監督學習下的基本規律在於：數據的分佈必然不是完全隨機的，通過一些有標簽數據的局部特征，以及更多沒標簽數據的整體分佈，就可以得到可以接受甚至是非常好的分類結果。[1]
[編輯]
半監督學習可進一步劃分為純（pure）半監督學習和直推學習（transductive learning），前者假定訓練數據中的未標記樣本並非待測的數據，而後者則假定學習過程中所考慮的未標記樣本恰是待預測數據，學習的目的就是在這些未標記樣本上獲得最優泛化性能。
直推學習（Transductive learning）：沒有標記的數據是測試數據，這個時候可以用test的數據進行訓練。這裡需要註意，這裡只是用了test數據中的feature而沒有用label，所以並不是一種欺騙的方法。
歸納學習（Inductive learning）：沒有標簽的數據不是測試集。 [2]
[編輯]
處在監督學習和無監督學習之間的是半監督學習。半監督學習使用的訓練資料庫，有一部分是標記過的，而大部分是沒有標記的。因此和監督學習相比，半監督學習的成本較低，但又能達到較高的準確度。
[編輯]
[編輯]
