半监督学习：基础与应用

半监督学习

• 半监督学习方法

  • • 首种方式：采用无标注数据进行预训练，再结合标注数据进行参数调整

    • • 特征重构自编码器

    • 次种方式：借助网络提取的深层特征实施半监督学习策略

    • 第三种方式：使网络结构自主完成半监督学习过程

半监督学习算法应用

第一种：无标签数据预训练，有标签数据微调

首先利用全部数据对网络的每一层实施逐级重构预训练，通过逐层重构自编码器获取相应参数，随后借助带有标签的数据集进行微调，其中所使用的标签数据来源于验证集以实现模型优化。

重构自编码

自编码作为一种无监督学习模型，其核心特征在于每个样本的输入数据即为其自身的输出目标，相当于系统自行生成标签，而这些标签正是原始样本本身。
自编码器具备从数据样本中实施无监督学习的能力，这表明该算法可被应用于特定的