半监督学习：同时利用有标注数据和无标注数据
半监督学习的三个假设
- 高密度区域平滑假设（生成模型）
高密度空间中，两个点x1,x2距离比较近，对应输出y1,y2也相近
- 低密度区域分隔假设（半监督SVM）
决策边界应该在低密度区域/聚类假设：如果两个点在同一个簇，很可能属于同一类
- 流行假设（基于图的算法）
高维数据大致分布在低维流形上；邻近的样本拥有相似的输出；临近程度用相似程度刻画
半监督学习算法：至少熟悉一种算法原理
自我训练、多视角学习、生成模型、半监督SVM、基于图的算法
归纳式学习vs直推式学习
- 归纳式学习：
给定训练数据有标注样本，无标注样本（远远多于）
学习一个函数用于预测新来的测试样本的标签
学习一个函数能被应用到测试数据上
例如：自我训练、多视角学习
- 直推式学习
给定训练数据有标注样本，无标注样本（远远多于）
可以没有显示的学习函数，所关心的是在无标注样本上的预测
无标注数据是测试数据集合并且在训练时可以使用
例如：基于图的方法（构建、加权、推理）、标签传播算法
自我训练
思想：假设输出的高度置信的预测都是正确的
自学习算法：从有标签样本中学习
；对
无标签的样本计算预测结果
；把
加入到有标签数据中，重复以上过程
改进：把加入到有标签数据中时，为每条数据按置信度赋予权重；仅把置信度高的加入到有标签样本中
例子：基学习器KNN；图像识别，图像分类；AlphaGo Zero
优点：最简单的半监督学习方法
是一种wrapper方法，可应用到已有的（复杂）分类器上
经常用于实际任务中，例如，自然语言处理任务中
缺点：早期的错误会强化（解决方案：数据置信度分数低于某个阈值将其标签去掉）
在收敛方面没有保障（也有特例自我训练改进EM算法，有部分如线性函数存在封闭的特殊情况）
多视角学习/协同训练
假设：特征可分裂，相对独立，且训好分类器是充分的
协同训练算法：有标签样本训练两个分类器
；这两个分类器对无标签样本预测；将预测结果置信度最高的k个加入到对方的有标签样本中；重复上述步骤
**优点：**简单的wrapper方法，可以被用到已有的各种分类器
相较于自我训练，对错误不那么敏感
**缺点：**自然的特征分裂可能不存在
使用全部特征的模型可能效果更好
生成模型
例子：高斯混合模型、混合多项分布、隐马尔可夫模型
优点：清晰，基于良好理论基础的概率框架
如果模型接近真实分布，将非常有效
缺点：验证模型的正确性比较困难、模型可辨识问题、EM局部最优
半监督SVM
简称直推式SVM
基本假设：来自不同类别的无标记数据之间会被较大的间隔隔开
基本思想：遍历所有种可能的标注
,为每一种标注构建一个标准的SVM，选择间隔最大的SVM
基于图的算法
假设：有标注和无标注数据在一个途中，图中被"紧密"连接的点趋向于有相同的标签。即，临近节点应该有相似的标签
常见算法：最小割、标签传播、标签扩散、调和函数法
优点：清晰的数学框架
能够被扩展到有向图
缺点: 图质量差的时候性能差
对图的结构和权重敏感
存储需求大
新样本