噪声半监督学习中的近乎精确恢复
机器学习
2025-02-05 v4 统计理论
机器学习
统计理论
摘要
基于图的半监督学习方法结合图结构与标注数据对未标注数据进行分类。在本工作中，我们研究噪声预言机对分类的影响。具体而言，当噪声预言机揭示一部分标签时，我们推导了用于聚类度修正随机块模型（DC-SBM）的最大后验（MAP）估计量。随后我们提出一种源自 MAP 连续松弛的算法，并建立了其一致性。数值实验表明，即使在标注数据噪声非常大的情况下，我们的方法在合成与真实数据集上均取得了有前景的性能。
引用
@article{arxiv.2007.14717,
title = {Almost exact recovery in noisy semi-supervised learning},
author = {Konstantin Avrachenkov and Maximilien Dreveton},
journal= {arXiv preprint arXiv:2007.14717},
year = {2025}
}