3

半教師あり学習では、ラベル付きデータ（L）のセットを使用してモデルをトレーニングし、ラベルなしデータ（U）のセットを予測してから、新しいラベル付きデータ（L'）と元のラベル付きデータ（L）を完全なラベル付きデータとしてグループ化します。データ。

テストデータの抽出方法をお聞きしたいと思います。

  1. （L union L'）からテストデータを抽出する必要があります
  2. （L）からテストデータを抽出する必要があります

どちらが正しいですか？

テストデータが（L union L'）から抽出された場合、L'の答えが間違っている可能性があるため、結果は意味がありません...？

================================================== ========新規編集

私は別の考えを持っています.....

3.最初に、ラベル付けされたデータ（L）をトレーニングデータ（L_train）とテストデータ（L_test）に分割する必要があります。

次に、L_trainを使用してモデルをトレーニングし、それを使用してラベルなしデータのセット（U）を予測し、予測結果（L'）とL_trainをグループ化します。

そして、（L_train union L'）を使用して、L_testでテストするモデルをトレーニングします。

1,2,3のどちらが正しいですか？返信ありがとうございます。

4

1 に答える 1

2

で分類器をトレーニングしますL。最初に相互検証を実行して、いくつかのメソッドパラメータを適合させることができますP。パラメータを使用して、ラベル付けされたデータからPモデルを構築します。次に、モデルを使用して、ラベルのないデータにラベルを付けます。（割り当てられたクラスに最も自信を持って）からの例を。で結合します。次に、すべての例が分類されるまで手順を繰り返します。MLMUUL

-編集-

最も適切なアプローチは3番目のアプローチだと思います。しかし、私はそれを正しく理解していないかもしれないので、ここに行きます。

とに分割Lします。を使用して分類器をトレーニングし、この分類器を使用して分類します（上記の方法論に従って）。ラベル付きの和集合から、新しい分類器を作成し、それを使用して分類します。これらの分類の違いは、評価尺度（分類精度など）に使用できます。L_trainL_testL_trainUUL_trainL_test

于 2012-11-20T09:51:11.110 に答える