流形正則化公式的理解

來自知乎的截圖 加入的流形正則化項可以這樣理解：從它的假設已知樣本相似的數據則對於的標籤也有相似性（兩個樣本在流形中距離相近，那麼他們的label也應該一樣或相似。）。那麼最後一個公式就保證訓練的f滿足這種關係（樣本的分佈函數），而不僅僅是保證很高的分類能力。無監督學習就是學習樣本的分佈，監督學習是尋找一個最優的分界面，流形正則化則是減弱監督學習的使之帶有無監督學習的優點。

>>阅读原文<<