知识卡片
半监督SVM同时选择标签
半监督 SVM 把已知标签和暂定标签分别加入间隔约束,可为两者设不同松弛代价。优化目标要同时选择连续的超平面参数和离散的未标记标签,故原有软间隔算法不能直接求整个联合问题。它利用的假设是边界应避开高密度样本区域。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第13章 半监督学习 · 查看原书依据
此式与式(6.35)基本一致,只不过引入了无标记样本的松弛变量对应的权重系数和无标记样本的标记指派.
参考来源
- 位置:《机器学习公式详解》第13章 半监督学习(book-source:`extracted/机器学习公式详解/_epub-src/text/part0019.html`,式(13.9))
- 结论依据:式(13.9)在软间隔目标中引入未标记样本及其待定标记。
- 原始内容:此式与式(6.35)基本一致,只不过引入了无标记样本的松弛变量对应的权重系数和无标记样本的标记指派.