半监督学习(Semi-Supervised Learning,SSL)是模式识别和机器学习领域研究的重点问题,是监督学习与无监督学习相结合的一种学习方法。半监督学习使用大量的未标记数据,以及同时使用标记数据,来进行模式识别工作。当使用半监督学习时,将会要求尽量少的人员来从事工作,同时,又能够带来比较高的准确性,因此,半监督学习目前正越来越受到人们的重视。

VIP内容

本书通过有监督、无监督和高级学习技术提供了对机器学习算法的概念理解。本书包括四个部分:基础、监督学习、非监督学习和高级学习。第一部分提供了基础材料、背景和简单的机器学习算法,为学习机器学习算法做准备。第二部分和第三部分提供了对监督学习算法和作为核心部分的无监督学习算法的理解。最后一部分提供了先进的机器学习算法:集成学习、半监督学习、时序学习和强化学习。

提供两种学习算法的全面覆盖: 监督和无监督学习; 概述用于解决分类、回归和聚类的计算范例; 具有构建新一代机器学习的基本技术。

这本书是关于机器学习的概念,理论和算法。在第一部分中,我们通过探索学习理论、评估方案和简单的机器学习算法,提供了关于机器学习的基本知识。在第二和第三部分中,我们将监督学习算法描述为分类和回归任务的方法,而无监督学习算法描述为聚类任务的方法。在第四部分,我们讨论了特殊类型的学习算法,并将监督算法和非监督算法的混合作为进一步的研究。读者需要线性代数和向量微积分的基本知识来理解机器学习算法,其中输入数据总是以数字向量的形式给出。

成为VIP会员查看完整内容
0
53
Top