本文探讨了弱监督学习的不同类型，包括不完全监督、不确切监督和不准确监督，介绍了主动学习、半监督学习和多示例学习的概念及应用。讨论了在标注数据稀缺时，如何有效利用未标注数据提升模型性能。
原文：《A Brief Introduction to Weakly Supervised Learning》
作者：周志华
弱监督学习
1. 概览
在强监督条件下，监督学习任务是从训练数据集 D = { ( x 1 , y 1 ) , … , ( x m , y m ) } D=\lbrace (x_1, y_1), …, (x_m, y_m) \rbrace D={
(x1,y1),…,(xm,ym)} 中学习 f : X − > Y f: X -> Y f:X−>Y ，但是由于标注数据成本高，实际上在很多任务中我们很难获得含有真值标签的大规模数据集，因此弱监督学习成了研究的一个热点。
2. 不完全监督（incomplete supervision）
不完全监督是指训练数据中只有一小部分数据有标签，而大部分数据没有标签，且这一小部分有标签的数据不足以训练一个好的模型。该学习任务是从 D = { ( x 1 , y 1 ) , … , ( x l , y l ) , x l + 1 , … , x m } , D = \lbrace (x_1, y_1), …, (x_l, y_l), x_{l+1}, …, x_m \rbrace, D={
扫一扫
1465
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
