经典网络笔记(pytorch)一. 深度学习基本知识1.1 深度学习分类深度学习分为监督学习,无监督学习，半监督学习和强化学习。其中监督学习是通过已有的训练样本去训练得到一个最优的模型，这个模型会将所有的输入映射为输出。无监督学习他与监督学习是完全不同的两个东西，它是在我们之前没有任何的训练样本，而直接对数据进行建模分类。半监督学习是在训练过程中结合了大量大量的未标记的数据和少量的标记数据，和使用
转载
2023-10-20 17:15:59
79阅读
Semi-supervised Learning本章主要讲述了半监督学习的原理及实现方法。1.半监督学习了解半监督学习之前需要首先知道监督学习（Supervised Learning）的概念，监督学习指训练样本都是带标签的。然而在现实中，数据数据是容易的，但是收集到带标签的数据却是非常昂贵的。半监督学习指的是既包含部分带标签的数据也有不带标签的数据，通过这些数据来进行学习。直推学习（Transdu
转载
2023-09-15 20:40:23
225阅读
监督（supervised）= 标签（label），是否有监督，就是输入数据（input）是否有标签，有标签则为有监督学习，没标签则为无监督学习。至于半监督学习，就是一半（一点点）数据有标签，一半（极其巨大）数据没标签。——简单一句话答案。首先从学习（learn）这个概念开始解释，所谓学习，就是闻一知十。（正经回答在最后）例如学数学，小学老师会先给大量训练，让人学会解题方法。之后面对考试的时候出现
转载
2023-12-23 20:10:03
224阅读
半监督支持向量机（S3VMs） 今天我们主要介绍SVM分类器以及它的半监督形式S3VM，到这里我们关于半监督学习基础算法的介绍暂时告一段落了。之后小编还会以论文分享的形式介绍一些比较新的半监督学习算法。让我们开始今天的学习吧~引入 支持向量机（SVM）相信大家并不陌生吧？但是如果数据集中有大量无标签数据（如下图b），那么决策边界应该如何去确定呢？仅使用有标签数据学得的决策边界（如下图a）将穿过
转载
2023-11-16 17:30:46
119阅读
文章目录1 背景1.1 基本背景介绍1.2 基本假设2 问题描述2.1 主动学习与半监督学习【使用了未标记数据的学习划分为两种】3 方法介绍3.1 混合模型与EM算法（最大期望算法）3.1.1 GMM的引入单高斯模型（GSM）3.1.2 Gaussian mixture model(GMM)【生成式模型】3.1.3 估计单高斯分布的
转载
2023-12-04 16:46:51
380阅读
# 使用 Python 实现半监督学习算法的指南
半监督学习是一种结合了有标签和无标签数据的机器学习方法。与完全监督学习相比，半监督学习能够在较少的标记数据上获得更好的性能。本文将带你一步步实现一个简单的半监督学习算法。
## 流程概述
在开始之前，让我们先看一下实现半监督学习的步骤：
| 步骤 | 操作 |
|------|------|
| 1 | 数据准备：加载数据集并进行预处
监督、半监督、无监督、自监督学习方法之间的区别概念辨别监督学习（Supervised Learning）：利用大量的标注数据来训练模型，模型最终学习到输入和输出标签之间的相关性；半监督学习（Semi-supervised Learning）：利用少量有标签的数据和大量无标签的数据来训练网络；无监督学习（Unsupervised Learning）：不依赖任何标签值，通过对数据内在特征的挖掘，找到样
转载
2023-10-12 16:04:28
109阅读
Deep Graph Library（DGL） DGL是一个专门用于深度学习图形的Python包, 一款面向图神经网络以及图机器学习的全新框架, 简化了基于图形的神经网络的实现。 在设计上，DGL 秉承三项原则：DGL 必须和目前的主流的深度学习框架（PyTorch、MXNet、TensorFlow 等）无缝衔接。从而实现从传统的 tensor 运算到
转载
2023-08-14 10:23:35
275阅读
《Python机器学习基础教程》笔记一、监督学习的分类监督学习主要有两种：分类与回归。分类问题的目标是预测类别标签，回归任务的目标是预测一个连续值。二、一些术语解释泛化：从训练集中学习出的模型应用到测试集上的能力过拟合：模型在训练集上表现良好，在测试集上表现不好欠拟合：模型在训练集和测试集上表现均不好特征工程：对已有特征做运算，导出新特征（例如，两个特征的积作为新特征）方法链：在一行代码中完成几个
转载
2023-10-16 06:53:40
203阅读
一、半监督学习1-1、什么是半监督学习让学习器不依赖外界交互、自动地利用未标记样本来提升学习性能，就是半监督学习（semi-supervised learning）。要利用未标记样本，必然要做一些将未标记样本所揭示的数据分布信息与类别标记相联系的假设。假设的本质是“相似的样本拥有相似的输出”。半监督学习可进一步划分为纯（pure）半监督学习和直推学习（transductive learning），
转载
2024-08-21 10:51:57
129阅读
半监督SVM什么是半监督学习半监督SVM要做什么TSVM 这里是阅读周志华的《机器学习》中关于半监督SVM（S3VM）的笔记。 什么是半监督学习在数据的搜集中，获得标记数据的成本是高昂的，而获得未标记的数据则是低廉的，为此人们提出了半监督的学习方法，旨在利用少量的标记数据和大量的未标记数据进行学习，从而节约成本。这是可能做到的，比如有一些未被标记的数据和一个被标记的正样本数据非常相似，那么我们
转载
2023-10-19 13:43:58
78阅读
在本文中，我们将探讨如何使用 PyTorch 实现半监督学习。随着深度学习的不断发展，半监督学习作为一种新兴的训练方法，越来越受到重视。它在需要标注数据的任务上表现突出，尤其是在数据稀缺的场景中。下面我们将通过技术原理、架构解析、源码分析、性能优化和应用场景等方面详细阐述。
### 背景描述
自2020年以来，半监督学习逐渐在机器学习领域取得了显著的进展。研究者们发现，与使用传统的全监督学习方
实现“Python PI 半监督模型”
在现代数据科学中，半监督学习逐渐受到关注，尤其是在数据标签稀缺的情况下。PI（Pseudo-Labeling and Interpolation）半监督模型利用大量未标记的数据结合少量标记数据，提高模型的分类性能。本文将详细介绍如何实现Python的PI半监督模型。
### 背景描述
随着数据的快速增长，标注数据的成本逐渐增加。传统的监督学习方法依赖于大
# Python实现半监督学习
近年来，半监督学习（Semi-Supervised Learning）已成为机器学习领域的重要研究方向。与传统的监督学习和无监督学习不同，半监督学习利用了大量未标记数据和少量标记数据的结合，从而提高模型的学习效率和准确性。本文将通过Python代码示例，介绍如何实现基本的半监督学习。
## 半监督学习的概念
半监督学习是一种介于监督学习和无监督学习之间的学习方
# 如何实现 Python 半监督学习
半监督学习是介于监督学习和无监督学习之间的学习方法，适合于有少量标记数据和大量未标记数据的场景。本文将为你详细介绍如何在 Python 中实现半监督学习的方法和步骤。
## 整体流程
下面是实现半监督学习的整体步骤：
| 步骤 | 描述 |
| ---- | ---- |
| 1 | 准备数据集 |
| 2 | 数据预处理 |
| 3
原创
2024-10-19 04:48:37
36阅读
机器学习之监督学习-回归一、机器学习算法分类有监督学习：分类回归半监督学习：分类回归无监督学习：聚类降维强化学习：马尔可夫决策过程动态规划参考网址：http://qing0991.blog.51cto.com/1640542/1851981二、线性回归一个案例：对连续型数据做出的预测属于回归问题。例如人们买房的时候，在知道房屋面积 和卧室的数量 的情况下，怎么推测得知房屋的价格 呢。通过一组
转载
2024-03-31 08:38:51
59阅读
编者荐语文章整理了作者近期阅读的一些半监督目标检测（Semi-Supervised Object Detection，SSOD）文章，感觉总结的很不错，特分享给大家，希望对同学们有一定的帮助。什么是半监督目标检测？传统机器学习根据训练数据集中的标注情况，有着不同的场景，主要包括：监督学习、弱监督学习、弱半监督学习、半监督学习。由于目标检测任务的特殊性，在介绍半监督目标检测方法之前，我们查看一下目标
转载
2023-12-19 09:27:59
53阅读
Semi-Supervised Learning半监督学习（三） 方法介绍 Mixture Models & EM 无标签数据告诉我们所有类的实例混和在一起是如何分布的，如果我
转载
2024-07-29 22:14:17
40阅读
Semi-Supervised Learning半监督学习（二） 介绍 在上篇文章中我们介绍了关于统计机器学习和半监督学习的一些基本概念。在这篇文章中，我们仍着重带读者更深入地了解半监督学习基础，了解半监督学习的常用方法，模型假设，并且通过实例带读者去理解半监督学习的过程。难度依然较基础，但是相信读完这篇文章，你会对半监督学习是什么有完整的把握。半监督学习方
转载
2023-07-04 20:26:50
300阅读
点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：Neeraj varshney编译：ronghuaiyang导读今天给大家介绍半监督学习中的3个最基础的概念：一致性正则化，熵最小化和伪标签，并介绍了两个经典的半监督学习方法。半监督学习 (SSL) 是一种非常有趣的方法，用来解决机器学习中缺少标签数据的问题。SSL利用未标记的数据和标记的数据集来学习任务。SSL的目标是得到比单独使用
转载
2024-04-03 22:23:18
59阅读
