笔记|李宏毅老师机器学习课程，视频21半监督学习

△ 是新朋友吗？记得先点数据科学与人工智能关注我哦～

《学习笔记》专栏·第24篇

文 | MLer

890字 | 2分钟阅读

【数据科学与人工智能】开通了机器学习群，大家可以相互学习和交流。请扫描下方二维码，备注：姓名-ML，添加我为好友，诚邀你入群，一起进步。

感谢李宏毅老师的分享，他的课程帮助我更好地学习、理解和应用机器学习。李老师的网站：

http://speech.ee.ntu.edu.tw/~tlkagk/index.html。

这个学习笔记是根据李老师2017年秋季机器学习课程的视频和讲义做的记录和总结。因为这个视频是在Youtube上面，有些朋友可能无法观看，我把它搬运下来放在云盘上面，大家点击阅读原文，就可以直接在手机随时随地观看了。再次，感谢李老师的付出和贡献。

这门课，共有36个视频，每个视频播放的时间不一。我按着视频播放的顺序，观看，聆听和学习，并结合讲义，做学习笔记。我做学习笔记目的有三：

1 帮助自己学习和理解机器学习

2 记录机器学习的重要知识、方法、原理和思想

3 为传播机器学习做点事情

视频21：半监督学习

一、半监督学习介绍

李老师首先介绍了监督学习和半监督学习的定义，并且说明了为什么有半监督学习。

接下来，李老师解释了半监督学习是否有作用，取决于无标签的数据假设是否符合实际或者合理。

二、生成式模型的半监督学习

生成式模型的半监督学习，算法的步骤，如下图：

原理解释，Why的说明，如下图：

三、低密度分隔半监督学习

李老师介绍一种通用的半监督学习思想：低密度分隔。原则：非黑即白。

自训练和学习的逻辑，如下图：

这种半监督学习思想与生成式半监督学习做类比分析，如下图：

四、平滑假设的半监督学习

原则：近朱者赤，近墨者黑

平滑假设逻辑

具体实现方法

方式一：聚类法，然后给予Label

方式二：基于图的方法

如何构建图？

邻域思想

如何度量smooth?

五、最佳表示的半监督学习

原则：去芜存菁，化繁为简。

李老师会在后续课程详细介绍。

半监督学习参考书籍

首先介绍了监督学习和半监督学习的定义，并且说明了为什么有半监督学习。

书籍下载链接：

http://tfcs.tpddns.cn:15888/f/cc1d37bbd5ab464c960b/

朋友们，更详细的内容，请观看视频学习和思考。在学习中有什么问题或者想法，请加入机器学习群，大家一起讨论，共同进步。

每周一书

1 深度学习

课程视频点击                                         

↓↓↓