半监督学习综述.pdfVIP

半监督学习综述

Chapter7Semi-supervisedLearning

翻译不易，未经允许请勿转载！

Author:MohaedFaroukAbdelHadyandFriedhelSchwenker

Translator:HowardWonanut

摘摘要要

传统的监督学习⽅法需要使⽤有标签数据建⽴模型。然⽽，在现实世界中给训练数据打标签可能需要昂贵的代价，或者耗费⼤量的时间。从

领域专家那⾥获得这些标签数据有隐含的成本，例如有限的时间和财务资源。对于涉及使⽤⼤量类标签进⾏学习且有时具有相似性的应⽤程

序尤其如此。半监督学习（SSL）模型能够允许模型在其监督学习中集成部分或者全部的未标签数据来解决这⼀固有的瓶颈。其⽬标是通过

这些新标记的数据最⼤化模型的学习性能，同时最⼩化标注数据的成本。在过去的⼗年⾥利⽤未标记数据提⾼模型的性能⼀直是⼀个热门话

题，可以将半监督学习划分为四个⽅向：SSL图，SSL⽣成模型，半监督⽀持向量机和不⼀致SSL（SSLwithcoittees）。本⽂概述

了该机器学习分⽀的研究进展。

1介介绍绍