李宏毅机器学习P24——semi-supervised learning半监督学习
首先初始化参数θ 然后计算无标签数据的后验概率 然后更新模型的参数θ 这种方法相当直觉，没有很特别的理论解释 这个方法理论上会收敛，但是初始值会影响结果 原始的标注数据加上后面的无标签数据 一次一次进行循环（solved iteratively） 训练有标签数据得出一个model，然后使用这个model来跑无标签的数据得到一批Pseudo-label，再将无标签数据的一部分移除，加到有标签数据集里
相关文章
- 1. [李宏毅-机器学习]半监督学习 semi-supervised learning
- 2. 李宏毅机器学习课程12~~~半监督学习
- 3. 李宏毅机器学习课程笔记：半监督学习
- 4. 李宏毅机器学习笔记（8）—半监督学习
- 5. [李宏毅-机器学习]无监督学习 unsupervised learning
- 6. 十二、【李宏毅机器学习（2017）】Semi-supervised Learning（半监督学习）
- 7. [机器学习-李宏毅] 半监督学习笔记 (Semi-supervised Learning)
- 8. 12、【李宏毅机器学习（2017）】Semi-supervised Learning（半监督学习）
- 9. 李宏毅学习笔记12.半监督学习
- 10. 半监督学习|深度学习（李宏毅）（九）
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • 适用于PHP初学者的学习线路和建议
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. [李宏毅-机器学习]半监督学习 semi-supervised learning
- 2. 李宏毅机器学习课程12~~~半监督学习
- 3. 李宏毅机器学习课程笔记：半监督学习
- 4. 李宏毅机器学习笔记（8）—半监督学习
- 5. [李宏毅-机器学习]无监督学习 unsupervised learning
- 6. 十二、【李宏毅机器学习（2017）】Semi-supervised Learning（半监督学习）
- 7. [机器学习-李宏毅] 半监督学习笔记 (Semi-supervised Learning)
- 8. 12、【李宏毅机器学习（2017）】Semi-supervised Learning（半监督学习）
- 9. 李宏毅学习笔记12.半监督学习
- 10. 半监督学习|深度学习（李宏毅）（九）