笔记|李宏毅老师机器学习课程,视频21半监督学习

数据科学与人工智能

共 1455字,需浏览 3分钟

 ·

2021-06-17 23:48

 是新朋友吗?记得先点数据科学与人工智能关注我哦~


《学习笔记》专栏·第24篇

 | MLer

890字 | 2分钟阅读

【数据科学与人工智能】开通了机器学习,大家可以相互学习和交流。请扫描下方二维码,备注:姓名-ML,添加我为好友,诚邀你入群,一起进步

感谢李宏毅老师的分享,他的课程帮助我更好地学习、理解和应用机器学习。李老师的网站:

http://speech.ee.ntu.edu.tw/~tlkagk/index.html

这个学习笔记是根据李老师2017年秋季机器学习课程的视频和讲义做的记录和总结。因为这个视频是在Youtube上面,有些朋友可能无法观看,我把它搬运下来放在云盘上面,大家点击阅读原文,就可以直接在手机随时随地观看了。再次,感谢李老师的付出和贡献。

这门课,共有36个视频,每个视频播放的时间不一。我按着视频播放的顺序,观看,聆听和学习,并结合讲义,做学习笔记。我做学习笔记目的有三:

1 帮助自己学习和理解机器学习

2 记录机器学习的重要知识、方法、原理和思想

3 为传播机器学习做点事情

视频21:半监督学习

一、半监督学习介绍

李老师首先介绍了监督学习和半监督学习的定义,并且说明了为什么有半监督学习。


接下来,李老师解释了半监督学习是否有作用,取决于无标签的数据假设是否符合实际或者合理。


二、生成式模型的半监督学习

生成式模型的半监督学习,算法的步骤,如下图:

原理解释,Why的说明,如下图:


三、低密度分隔半监督学习

李老师介绍一种通用的半监督学习思想:低密度分隔。原则:非黑即白。

自训练和学习的逻辑,如下图:



这种半监督学习思想与生成式半监督学习做类比分析,如下图:



四、平滑假设的半监督学习

原则:近朱者赤,近墨者黑

平滑假设逻辑


具体实现方法

方式一:聚类法,然后给予Label


方式二:基于图的方法


如何构建图?

邻域思想


如何度量smooth?


五、最佳表示的半监督学习

原则:去芜存菁,化繁为简。

李老师会在后续课程详细介绍。


半监督学习参考书籍

首先介绍了监督学习和半监督学习的定义,并且说明了为什么有半监督学习。

书籍下载链接:

http://tfcs.tpddns.cn:15888/f/cc1d37bbd5ab464c960b/


朋友们,更详细的内容,请观看视频学习和思考。在学习中有什么问题或者想法,请加入机器学习群,大家一起讨论,共同进步。


每周一书

深度学习


课程视频点击                                         

↓↓↓

浏览 18
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报