1、半监督学习

今天在阅读一篇论文时了解了这个之前一直不太清晰的概念。下面是查阅了相关资料后对半监督学习的理解。如有错误，望更正。

半监督学习是一种介于监督学习和无监督学习之间的学习凡是，我们都知道，在监督学习中，样本的类比、类别标签都是已知的，学习的目的是找到样本的特征与类别标签之间的联系。一般来讲训练样本的数量越多，训练得到的分类器的分类精度也会越高。但是在很多现实问题当中，一方面是由于人工标记样本的成本很高，导致有标签的数据十分稀少。（如果是让算法工程师亲自去标记数据，会消耗相当大的时间和精力；也有很多公司采取雇佣一定数量的数据标记师，这种做法也无疑是耗费了大量金钱在数据标记上。）而另一方面，无标签的数据很容易被收集到，其数量往往是有标签样本的上百倍。因此，半监督学习（这里仅针对半监督分类），就是要利用大量的无标签样本和少量带有标签的样本来训练分类器，解决有标签样本不足的难题。

2、self-training

self-training可能是最早提出的半监督学习方法，最早可以追溯到1965.self-training相比于其他半监督学习方法的优势在于简单以及不需要任何假设。

上面是self-training的算法流程图，简单介绍一下：

• 1、将初始化的有标签数据作为初始的训练集（Xtrain，ytrain）=（X_l，y_l），根据该训练集训练得到一个初始分类器$C_{int}$
• 2、利用$C_{int}$对无标签数据集$X_u$进行分类，选出最有把握的样本$X_{conf},y_{conf}$（可以设定阈值来选择）
• 3、从$X_u$中去掉$X_{conf},y_{conf}$
• 4、将$X_{conf},y_{conf}$加入到有标签数据集中，$(Xtrain,ytrain)\leftarrow (X_l,y_l)\cup (X_{conf},y_{conf})$
• 5，根据新的训练集训练新的分类器，重复步骤2到5直到满足停止条件（例如所有无标签样本都被标记完了）
  最后得到的分类器就是最终的分类器。

3、协同学习 (co-training)

和自我学习一样，协同学习的目的也是为了用现有的有标签的数据去标记其他数据。具体步骤如下：假设现在有数据集，每组数据有2个特征(feature): x1 和 x2。我们把其中有标签的那部分数据集称为L （表示为[x1,x2,y]），没有标签的数据集称为U (表示为[x1,x2])。

初始化数据，把L 分为L1 ([x1,y]) 和L2 ([x2,y])。这里注意，L 是一个数据集，里面包涵了很多数据，我就顺便提醒一下。
重复：a) 分别用L1和L2训练出一个模型 F1和F2
b) 分别用模型F1和F2去预测U (给U打标签)，同样这里也是只选出最有把握的一些结果。

c) 把F1预测的结果放入L2，把F2预测的结果放入L1 (交叉放置)

d) 更新L 和 U

3. 直到数据集不发生变化 (和自我学习一样)

4、参考资料

1）半监督学习之self-training
2）半监督分类的方式：self-training和co-training的算法简述