本书是对机器学习一个领域的全面综述,处理在分类问题中的未标记数据的使用: 最先进的算法,该领域的分类,应用,基准实验,和未来的研究方向。

在机器学习领域,半监督学习(SSL)处于监督学习(其中所有训练示例都被标记)和非监督学习(其中不给出标记数据)之间。近年来,人们对SSL的兴趣有所增加,特别是在图像、文本和生物信息学等未标记数据丰富的应用领域。这是对SSL的第一次全面概述,介绍了最先进的算法、该领域的分类、选定的应用程序、基准测试,以及对未来研究的展望。半监督学习首先提出了该领域的关键假设和思想:平滑性、聚类或低密度分离、流形结构和转导。本书的核心是介绍根据算法策略组织的SSL方法。经过对生成模型的检查,本书描述了实现低密度分离假设的算法,基于图的方法,和执行两步学习的算法。然后,本书讨论了SSL应用程序,并通过分析大量基准测试的结果为SSL实践者提供了指导方针。最后,本书还介绍了SSL研究的有趣方向。本书以半监督学习和转导之间的关系的讨论结束。

https://mitpress.mit.edu/books/semi-supervised-learning

成为VIP会员查看完整内容
134

相关内容

专知会员服务
117+阅读 · 2021年10月6日
【经典书】机器学习统计学,476页pdf
专知会员服务
120+阅读 · 2021年7月19日
【经典书】主动学习理论,226页pdf,Theory of Active Learning
专知会员服务
124+阅读 · 2021年7月14日
专知会员服务
229+阅读 · 2021年6月3日
【经典书】数据结构与算法,770页pdf
专知会员服务
140+阅读 · 2021年4月15日
电子科大最新《深度半监督学习》综述论文,24页pdf
专知会员服务
89+阅读 · 2021年3月6日
【经典书】模式识别概率理论,654页pdf
专知会员服务
81+阅读 · 2021年1月21日
【MIT经典书】统计学习与序列预测,261页pdf
专知会员服务
76+阅读 · 2020年11月17日
【经典书】操作系统导论,687页pdf
专知会员服务
171+阅读 · 2020年10月28日
最新《深度半监督学习》综述论文,43页pdf
专知会员服务
153+阅读 · 2020年6月12日
关于GANs在医学图像领域应用的总结
计算机视觉life
13+阅读 · 2019年7月25日
半监督学习背景下的对抗生成网络
论智
6+阅读 · 2018年9月10日
机器学习基础篇--监督学习经典案例(Python实现)
Python技术博文
8+阅读 · 2017年10月24日
Arxiv
10+阅读 · 2021年2月26日
Arxiv
17+阅读 · 2021年2月15日
Arxiv
5+阅读 · 2020年10月22日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
Learning From Positive and Unlabeled Data: A Survey
Arxiv
5+阅读 · 2018年11月12日
Arxiv
6+阅读 · 2018年2月26日
VIP会员
相关主题
相关VIP内容
专知会员服务
117+阅读 · 2021年10月6日
【经典书】机器学习统计学,476页pdf
专知会员服务
120+阅读 · 2021年7月19日
【经典书】主动学习理论,226页pdf,Theory of Active Learning
专知会员服务
124+阅读 · 2021年7月14日
专知会员服务
229+阅读 · 2021年6月3日
【经典书】数据结构与算法,770页pdf
专知会员服务
140+阅读 · 2021年4月15日
电子科大最新《深度半监督学习》综述论文,24页pdf
专知会员服务
89+阅读 · 2021年3月6日
【经典书】模式识别概率理论,654页pdf
专知会员服务
81+阅读 · 2021年1月21日
【MIT经典书】统计学习与序列预测,261页pdf
专知会员服务
76+阅读 · 2020年11月17日
【经典书】操作系统导论,687页pdf
专知会员服务
171+阅读 · 2020年10月28日
最新《深度半监督学习》综述论文,43页pdf
专知会员服务
153+阅读 · 2020年6月12日
相关论文
Arxiv
10+阅读 · 2021年2月26日
Arxiv
17+阅读 · 2021年2月15日
Arxiv
5+阅读 · 2020年10月22日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
Learning From Positive and Unlabeled Data: A Survey
Arxiv
5+阅读 · 2018年11月12日
Arxiv
6+阅读 · 2018年2月26日
微信扫码咨询专知VIP会员