知识卡片
图拉普拉斯惩罚邻点标签差
把样本作为节点,边权表达相似度。对每条边的标签差平方加权求和,较近的节点若标签预测差很多便付出高代价。固定有标签节点后,对其余节点求导得到线性系统。若一个连通块从未接触任何已标记节点,能量可能无法唯一确定该块的标签。
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
首先解释下这个能量函数的定义.原则上,我们希望能量函数越小越好,对于节点和,如果它们不相邻,则;如果它们相邻,则最小化能量函数要求和尽量相似,和逻辑相符.
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(13.12))
- 结论依据:式(13.12)到(13.17)将图能量化为度矩阵减邻接矩阵的二次型。
- 原始内容:首先解释下这个能量函数的定义.原则上,我们希望能量函数越小越好,对于节点和,如果它们不相邻,则;如果它们相邻,则最小化能量函数要求和尽量相似,和逻辑相符.