基于流形假設的半監督學習：假定輸入概率密度p(x)和條件概率密度p(y|x)之間具有某種關聯，估計p(x)輔助對p(y|x)的估計以提升精度。流形假設，即輸入數據只出現在某個流形上，輸出則在該流形上平滑變化。
拉普拉斯正則化是把輸入數據在流形上進行函數平滑的半監督學習算法，結合拉普拉斯矩陣(L=D-W)和圖論來解釋，通過從有標簽的接點向沒有標簽的接點傳播標簽，相互連接的接點(樣本群)可以實現標簽的共享。
拉普拉斯正則化學習，可理解為沿著輸入樣本的流形計算路徑距離（圖論中為最短路徑），基于樣本間的最短路徑來求解其分類面，利用這樣的方法，可以把各個聚類中的所有樣本，都歸類到相同的類別中。

理解拉普拉斯矩陣及其圖論解釋是重要。

?

總結

以上是生活随笔為你收集整理的【IM】关于半监督学习的理解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。