笔记|李宏毅老师机器学习课程，视频21半监督学习
《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
↓↓↓