概览
p20:semi-supervised
疑问
- 5.做的步骤那边没有听懂，6的解释可以参考着看看
- 9 看的不是很懂
笔记
B站19年李宏毅 P20
1.Introduction
-
利用没有标记的data做机器学习
介绍
2.Why semi-supervised learning helps?
- 灰色的是没有标签的data，如果没有灰色的，一个竖线是最好的分界线，有了灰色之后，感觉上，斜的才是最好的
-
因为 semi-supervised learning 经常伴随着假设，这种方式能不能用，就看你的假设符不符合实际，是否合理
为什么有用
3.outline
outline
4.加 unlabeled data 前后不同边界，直觉的解释
-
不同的均值，方差，对应不同的高斯分布假设
加 unlabeled data 前
加 unlabeled data 后
5.做的步骤
做的步骤
6.解释5的原因
解释5的原因.png
7.Low-density Separation-非黑即白的世界
-
即在两个分类间有一个非常明显的分界线
非黑即白
8.tips
- regression 不能用这招
-
根据模型预测出来一些点，加入 training data 里面。
Self-training
9.hard_labele & soft labele
hard_labele & soft labele
4.Entropy-based Regularization
Entropy-based Regularization
4.加 unlabeled data 前后不同边界，直觉的解释
4.加 unlabeled data 前后不同边界，直觉的解释
4.加 unlabeled data 前后不同边界，直觉的解释
4.加 unlabeled data 前后不同边界，直觉的解释
4.加 unlabeled data 前后不同边界，直觉的解释
4.加 unlabeled data 前后不同边界，直觉的解释
