深度半监督学习算法的现实评估
机器学习
2019-06-18 v4 机器学习
摘要
半监督学习（SSL）提供了一个强大的框架，可在标签有限或获取成本高昂时利用无标签数据。基于深度神经网络的 SSL 算法最近在标准基准任务上被证明是成功的。然而，我们认为这些基准未能解决这些算法在真实世界应用中会面临的许多问题。在创建各种广泛使用的 SSL 技术的统一重新实现后，我们在一套旨在解决这些问题的实验中测试了它们。我们发现，不使用无标签数据的简单基线的性能常被低估，SSL 方法对标签与无标签数据量的敏感性不同，且当无标签数据集包含类外样本时性能可能显著下降。为帮助引导 SSL 研究面向真实世界适用性，我们公开了我们的统一重新实现与评估平台。
引用
@article{arxiv.1804.09170,
title = {Realistic Evaluation of Deep Semi-Supervised Learning Algorithms},
author = {Avital Oliver and Augustus Odena and Colin Raffel and Ekin D. Cubuk and Ian J. Goodfellow},
journal= {arXiv preprint arXiv:1804.09170},
year = {2019}
}