基于标签传播与支持向量机的归纳式半监督学习混合方法
机器学习
2015-12-08 v1 分布式、并行与集群计算
摘要
由于人类专家标注未标注数据涉及巨大开销和时间，半监督学习方法在当今世界日益重要。所提出的混合方法使用 SVM 和标签传播来标注未标注数据。在此过程中，每一步训练 SVM 以最小化误差，从而提升预测质量。实验使用 SVM 和逻辑回归（Logreg）进行。结果证明 SVM 表现远优于 Logreg。该方法使用 12 个规模从千量级到万量级的数据集进行测试。结果显示所提方法大幅优于标签传播，F-measure 平均几乎翻倍。所提方法的并行版本亦被设计与实现，分析表明使用并行版本时训练时间显著减少。
引用
@article{arxiv.1512.01568,
title = {Hybrid Approach for Inductive Semi Supervised Learning using Label Propagation and Support Vector Machine},
author = {Aruna Govada and Pravin Joshi and Sahil Mittal and Sanjay K Sahay},
journal= {arXiv preprint arXiv:1512.01568},
year = {2015}
}
备注
Presented in the 11th International Conference, MLDM, Germany, July 20 - 21, 2015. Springer, Machine Learning and Data Mining in Pattern Recognition, LNAI Vol. 9166, p. 199-213, 2015