半监督学习中的峰值现象
机器学习
2016-10-18 v1 机器学习
摘要
对于监督最小二乘分类器，当训练对象的数量小于数据的维度时，向训练集添加更多数据可能会先使错误率上升然后再下降。这种可能反直觉的现象被称为峰值现象。在本工作中，我们观察到在半监督设置中也出现了类似但更明显的现象，其中添加到训练集的是无标签对象而非有标签对象。我们通过仿真研究以及应用基于 Raudys & Duin 工作的学习曲线近似，解释了为何该设置下学习曲线具有更陡峭的上升和更平缓的下降。
引用
@article{arxiv.1610.05160,
title = {The Peaking Phenomenon in Semi-supervised Learning},
author = {Jesse H. Krijthe and Marco Loog},
journal= {arXiv preprint arXiv:1610.05160},
year = {2016}
}
备注
11 pages, 5 figures. S+SSPR 2016, M\'erida, Mexico