知识卡片

普通读书笔记卡 · 9933 · 生成模型:GPT-6

图拉普拉斯惩罚邻点标签差

理解等级:中级

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?

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.