今天我将解读一篇非常经典的文章《SEMI-SUPERVISED CLASSIFICATION WITH GRAPH CONVOLUTIONAL NETWORKS》。这篇论文提出了一种半监督图卷积算法，利用图的拓扑结构和节点的side informaton进行标签分类，效果较传统算法有了明显提升。这篇论文已经有很多博客有非常详细的介绍，我对这篇论文的解读主要聚焦在对算法原理的深入理解上，希望给大家带
第四章，机器学习基础 二分类，多分类，标量回归都属于监督学习的例子。机器学习四大分支： 监督学习：学会将输入数据映射到已知目标，也叫做标注。 监督学习变体：序列生成，语法树
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
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
本文《Semi-Supervised Classification with Graph Convolutional Networks》受到卷积神经网络的启发,提出了卷积神经网络的变种方法,可以直接在图结构的数据上直接进行计算. 模型的计算复杂度与图结构边(edges)的数量呈线性增长. 隐层节点的参数权重可以用来表达子图(local graph)的特征或是节点(nodes)的特征.论文地址:ht
转载
2024-09-14 13:14:59
34阅读
# 理解半监督学习以及实现步骤
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式，通常用于标注数据稀缺的情况。下面我们将逐步讲解如何用Python实现半监督学习。
## 整体流程
以下是实现半监督学习的一般步骤：
| 步骤 | 描述 |
|---------------|------
原创
2024-09-30 05:27:06
110阅读
1、几种监督方式（待完善） 监督，无监督，半监督，弱监督，多示例，迁移学习！ 监督学习：多是分类问题，数据与标记有一一对应的关系 半监督学习：大量未标记数据和少量标签数据， 弱监督学习：不完全监督：只有一部分训练数据具备标签；不确切监督：训练数据只具备粗粒度标签；例如，在药物活性预测 [40] 的问题中，其目标是建立一个模型学习已知分子的知识，来预测一个新的分子是否适合制造一种特定药物。一个分子可
转载
2024-04-15 12:57:08
82阅读
文章目录半监督学习生成式方法半监督SVM基于分歧的方法图半监督学习半监督聚类 半监督学习 在真实应用场景中，训练样本集的数目通常会很大。但是都是未标记数据，特别是在一些跨领域行业中，比如医疗，工业。对样本的分析都需要专业人才，甚至高精尖的人才来确定标记。而这些人肯定是不可能给你长时间的打标记的。那么半监督学习就是想利用小部分的标记数据，再加上大量未标记样本来进行推理和判断。之前描述的监督学习和无
转载
2024-04-16 16:32:08
290阅读
半监督学习考虑一个分类问题。 如果训练集中大部分样本没有标记类别，只有少部分样本有标记。则需要用半监督学习(semi-supervised)方法来训练一个分类器。wiki上的这张图很好地说明了无标记样本在半监督学习中发挥作用： 如果只考虑有标记样本（黑白点），纯粹使用监督学习。则得到垂直的分类面。 考虑了无标记样本（灰色点）之后，我们对样本的整体分布有了进
深度学习基础及数学原理学习笔记常见机器学习方法线性回归损失函数梯度下降梯度Mini-batch的梯度下降法方差、偏差 常见机器学习方法监督学习 已有训练样本，去训练得到一个最优模型，再利用这个模型将所有的输入映射为相应的输出。无监督学习 事先没有任何训练样本。需要直接对数据进行建模。半监督学习 有大量未标记的数据和少量标记的数据。强化学习 设定一个回报函数，通过这个函数来确认是否越来越接近目标。
转载
2024-07-09 22:05:24
62阅读
1.主要问题 基于图的半监督分类，图嵌入+度量学习2.研究现状 在半监督学习（SSL）中，少量标记的样本与相对大量的未标记样本一起用于分类。在现有的半监督学习模型中，基于图的方法（例如图卷积网络和标签传播）已被证明是半监督分类的最有效方法之一，因为它们能够利用标记和未标记样本之间的连通性模式改善分类效果。考虑到它们的优点，在以前的少量照片分类工作中，
文章目录一、背景二、方法2.1 End-to-End Pseudo-Labeling Framework2.2 Soft teacher2.3 Box Jittering三、实验 论文：End-to-End Semi-Supervised Object Detection with Soft Teacher代码：https://github.com/microsoft/SoftTeacher出处
半监督学习 适用于在训练数据上的一些样本数据没有贴上标签的情况。 sklearn.semi_supervised 中的半监督估计,
原创
2022-11-02 09:56:08
104阅读
半监督学习 事实上，未标记样本虽然未直接包含标记信息，但若它们与有标记样本是从同样的数据源独立同分布采样而来，则它们所包含的关于数据分布的信息对建立模型将有很大的益。下图给出了一个直观的例子，若仅基于图中的一个正例和一个反例，则由于待判别样本恰位于两者正中间，大体上只能随机猜测；若能观察到图中的未标
转载
2018-10-26 20:21:00
721阅读
2评论
半监督学习啥是半监督学习（Semi-supervised Learning）1.简单自训练（simple self-training）2.协同训练（co-training）3.半监督字典学习4.标签传播算法（Label Propagation Algorithm）5.半监督支持向量机半监督深度学习算法1.无标签数据预训练，有标签数据微调2.利用从网络得到的深度特征来做半监督算法3.让网络 wor
转载
2024-04-25 10:53:28
61阅读
监督学习：给小朋友一本有课后答案的习题册，让小朋友自己做题，并自己校对答案；无监督学习：比如参加一些开放性的竞赛（比如：数学建模竞赛），出题人只给出题目。参赛者，需要根据题目找出结构和规则，才能解题。（在没有老师的情况下，学生自学的过程。学生在学习的过程中，自己对知识进行归纳、总结。无监督学习中，类似分类和回归中的目标变量事先并不存在。要回答的问题是“从数据X中能发现什么”。）半监督学习：家教，家
转载
2024-05-20 17:25:14
103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
概念：监督学习、无监督学习与半监督学习监督学习 ： supervised learning 无监督学习 ： unsupervised learning 半监督学习 ： semi-supervised learning2 、 概念监督学习：用一部分已知分类、有标记的样本来训练机器后，让它用学到的特征，对没有还分类、无标记的样本进行分类、贴标签。一句话概括：  
转载
2024-07-29 22:14:03
87阅读
监督学习(Supervised learning)、非监督学习(Unsupervised learning)、半监督学习(Semi-supervised learning)，怎么区分呢？这个问题可以回答得很简单：是否有监督（supervised），就看输入数据是否有标签（label）。输入数据有标签，则为有监督学习，没标签则为无监督学习。一、我们可以用一个例子来扩展首先看什么是学习（learni
转载
2024-05-27 16:32:58
112阅读
翻译 | 王柯凝出品 | Python大本营（ID：pythonnews）【导读】对于人工智能和机器学习来说，目前有很多种可以实
转载
2023-12-20 16:47:56
39阅读
