李宏毅機器學習P24——semi-supervised learning半監督學習
首先初始化參數θ 然後計算無標籤數據的後驗概率 然後更新模型的參數θ 這種方法相當直覺，沒有很特別的理論解釋 這個方法理論上會收斂，但是初始值會影響結果 原始的標註數據加上後面的無標籤數據 一次一次進行循環（solved iteratively） 訓練有標籤數據得出一個model，然後使用這個model來跑無標籤的數據得到一批Pseudo-label，再將無標籤數據的一部分移除，加到有標籤數據集裏
相關文章
- 1. [李宏毅-機器學習]半監督學習 semi-supervised learning
- 2. 李宏毅機器學習課程12~~~半監督學習
- 3. 李宏毅機器學習課程筆記：半監督學習
- 4. 李宏毅機器學習筆記（8）—半監督學習
- 5. [李宏毅-機器學習]無監督學習 unsupervised learning
- 6. 十二、【李宏毅機器學習（2017）】Semi-supervised Learning（半監督學習）
- 7. [機器學習-李宏毅] 半監督學習筆記 (Semi-supervised Learning)
- 8. 12、【李宏毅機器學習（2017）】Semi-supervised Learning（半監督學習）
- 9. 李宏毅學習筆記12.半監督學習
- 10. 半監督學習|深度學習（李宏毅）（九）
- 更多相關文章...
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • 適用於PHP初學者的學習線路和建議
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. [李宏毅-機器學習]半監督學習 semi-supervised learning
- 2. 李宏毅機器學習課程12~~~半監督學習
- 3. 李宏毅機器學習課程筆記：半監督學習
- 4. 李宏毅機器學習筆記（8）—半監督學習
- 5. [李宏毅-機器學習]無監督學習 unsupervised learning
- 6. 十二、【李宏毅機器學習（2017）】Semi-supervised Learning（半監督學習）
- 7. [機器學習-李宏毅] 半監督學習筆記 (Semi-supervised Learning)
- 8. 12、【李宏毅機器學習（2017）】Semi-supervised Learning（半監督學習）
- 9. 李宏毅學習筆記12.半監督學習
- 10. 半監督學習|深度學習（李宏毅）（九）