分类的半监督学习
基于图和自我训练的半监督学习方法
当只有一小部分数据被标记,并且为其余数据确定真正的标签非常昂贵时,您可以使用半监督学习技术。您可以利用半监督学习方法将标签贴合到未贴标签的数据中,而不是使用监督学习方法在贴有标签的数据上训练分类器并为未贴标签的数据预测标签。
如果希望预测新数据的标签,可以使用预测
半监督分类器的目标函数训练的标记和非标记的数据。
功能
fitsemigraph |
使用基于半监督图的方法对数据进行标记 |
fitsemiself |
采用半监督自训练法对数据进行标记 |
预测 |
使用半监督的基于图的分类器对新数据进行标记 |
预测 |
使用半监督自训练分类器对新数据进行标记 |
对象
SemiSupervisedGraphModel |
基于半监督图的分类模型 |
SemiSupervisedSelfTrainingModel |
半监督自训练分类模型 |
主题
- 使用半监督学习技术标记数据
比较基于图形的半监督学习技术和自我训练半监督学习技术。