生成式方法 口假设样本独立同分布,且由同一个高斯混合模型生成,则对数似 然函数是: k DuDn)=∑h(∑11)1=吃 (x,y;)∈D i=1 +∑m(∑D吗1p) c∈Du
生成式方法 假设样本独立同分布，且由同一个高斯混合模型生成，则对数似 然函数是：
生成式方法 口高斯混合的参数估计可以采用EM算法求解,迭代更新式如下 E步:根据当前模型参数计算未标记样本属于各高斯混合成分的概 率 a2p(c;|p2,∑) 1ap(c2,∑
生成式方法 高斯混合的参数估计可以采用EM算法求解，迭代更新式如下： ⚫ E步：根据当前模型参数计算未标记样本属于各高斯混合成分的概 率
生成式方法 ●M步:基于i更新模型参数 t=∑nD+(m1eD2+(m,)∈D=2 ∈D i+l ∈D (m,y)∈D1∧y aa ∈D7+l
生成式方法 ⚫ M步：基于 更新模型参数
生成式方法 口_将上述过程中的高斯混合模型换成混合专家模型,朴素贝叶斯模型等即 可推导其他的生成式半监營学习算法。 口此类方法简单、易于实现在有标记数据极少的情形下往往比其他方法性 能更好。 口然而北类有达有四关键:榜设必须准确,即盗段先感戎模2
生成式方法 将上述过程中的高斯混合模型换成混合专家模型，朴素贝叶斯模型等即 可推导出其他的生成式半监督学习算法。 此类方法简单、易于实现, 在有标记数据极少的情形下往往比其他方法性 能更好。 然而, 此类方法有一个关键: 模型假设必须准确, 即假设的生成式模型必 须与真实数据分布吻合; 否则利用未标记数据反而会显著降低泛化性能
大纲 口未标记样本 口生成式方法 口半监督SVM 口图半监督学习 基于分歧的方法 口半监督聚类
大纲 未标记样本 生成式方法 半监督SVM 图半监督学习 基于分歧的方法 半监督聚类