知识卡片

普通读书笔记卡 · 10024 · 生成模型:GPT-6

聚类可辅助构造伪标签

理解等级:中级

有少量有标签样本和大量无标签样本时,可以先借聚类找相似群体,检查哪些簇与已知类一致,再尝试把可靠的簇结果作为伪标签用于训练。错分会传导给监督模型,须在有真实标注的保留样本上检查。

[[标签决定监督任务]]。聚类能辅助生成候选标签,仍需评估其与原任务标签的吻合。

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

    • 9.1 用投票表决实现“物以类聚” · 查看原书依据

      各种假设和结合聚类结果来给数据打标签,然后再把这些数据输送给有监督学习来进行建模训练,使得未经人工标注的数据,也能起到提高有监督学习模型预测准确度的效果。这种集两家之长的方法称为半监督学习,是当前机器学习研究的热

    参考来源

    - 位置:《机器学习算法的数学解析与Python实现》9.1 用投票表决实现“物以类聚”(来源项目 book-source,`extracted/机器学习算法的数学解析与Python实现/_epub-src/OEBPS/text00092.html`) - 结论依据:本节讨论用聚类结果为未标注数据提供候选标签。 - 原始内容:各种假设和结合聚类结果来给数据打标签,然后再把这些数据输送给有监督学习来进行建模训练,使得未经人工标注的数据,也能起到提高有监督学习模型预测准确度的效果。这种集两家之长的方法称为半监督学习,是当前机器学习研究的热