眾所周知，機器學習可以大體分為三大類：監督學習、非監督學習和半監督學習。監督學習可以認為是我們有非常多的labeled標註資料來train乙個模型，期待這個模型能學習到資料的分布，以期對未來沒有見到的樣本做**。那這個效能的源頭--訓練資料，就顯得非常感覺。你必須有足夠的訓練資料，以覆蓋真正現實資料中的樣本分佈才可以，這樣學習到的模型才有意義。那非監督學習就是沒有任何的labeled資料，就是平時所說的聚類了，利用他們本身的資料分布，給他們劃分類別。而半監督學習，顧名思義就是處於兩者之間的，只有少量的labeled資料，我們試圖從這少量的labeled資料和大量的unlabeled資料中學習到有用的資訊。
2、基本思想
標籤傳播演算法是不重疊社群發現的經典演算法，其基本思想是：將乙個節點的鄰居節點的標籤中數量最多的標籤作為該節點自身的標籤。給每個節點新增標籤（label）以代表它所屬的社群，並通過標籤的「傳播」形成同一標籤的「社群」結構。
給每個節點新增標籤（label）以代表它所屬的社群，並通過標籤的「傳播」形成同一標籤的「社群」結構。乙個節點的標籤取決於它鄰居節點的標籤：假設節點z的鄰居節點有z
半監督學習
一般認為,半監督學習的研究始於 b.shahshahani 和 d.landgrebe 的工作 shahshahanil94 但未標記示例的價值實際上早在上世紀 80 年代末就已經被一些研究者意識到了 lippman89 d.j.miller 和 h.s.uyar milleru97 認為,半監督學...
半監督學習
最近的一段時間一直在學習半監督學習演算法，目前，國內的南京大學周志華老師是這方面的泰斗，寫了很多這方面牛的文章，可以參考一下他的主頁 在國內的學術界周老師一直是我比較欽佩的人之一。下面貼出來的文章出自周老師之手，通俗易懂。受益匪淺。一般認為,半監督學習的研究始於 b.shahshahani 和 d....
半監督學習
目前，國內的南京大學周志華老師是這方面的泰斗，寫了很多這方面牛的文章，可以參考一下他的主頁 下面貼出來的文章出自周老師之手，通俗易懂。受益匪淺。一般認為,半監督學習的研究始於 b.shahshahani 和 d.landgrebe 的工作 shahshahanil94 但未標記示例的價值實際上早在上...