知识卡片
半监督依赖聚类假设
半监督学习同时使用有标签和无标签样本。标签提供预测目标,无标签样本提供数据结构。在依赖聚类假设的方法里,相似样本应有相似的输出。若表示保留的是与标签无关的属性,或未标注数据来自不同分布,顺着相似性传播标签就可能扩大错误。
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
- “机器学习”三重门,“中庸之道”趋若人 3.3 半监督学习 · 查看原书依据
但这里隐含了一个基本假设—聚类假设(Cluster Assumption),其核心要义就是:相似的样本,拥有相似的输出。
参考来源
- 位置:《深度学习之美:AI时代的数据处理与最佳实践》第03章《“机器学习”三重门,“中庸之道”趋若人》3.3(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter8_0003.xhtml#txt003_9)
- 结论依据:原文以该小节的定义、分类或近似实例界定 半监督依赖聚类假设 的适用范围。
- 原始内容:但这里隐含了一个基本假设—聚类假设(Cluster Assumption),其核心要义就是:相似的样本,拥有相似的输出。