半监督学习模型: 半监督的SVM
发布时间
阅读量：
阅读量
1. SVM模型
SVM 模型优化的损失函数：
如果结构损失中的2范数换成1范数：
2. 半监督的SVM
考虑到无标记样本，在SVM模型中将一个无标记样本被预测为正类或负类时（即其到决策面的距离小于1），都会产生相应的代价；而且这个代价将是分类结果错误时的较小代价（即当正确分类时，则该代价为零）。
3. 实现
基于 GitHub 包 semisupervised 实现了...的功能
pip install semisupervised
python from semisupervised import SKTSVM
model = SKTSVM()
model.fit(np.vstack((label_X_train, unlabel_X_train)), np.append(label_y_train,
unlabel_y))
# predict
predict = model.predict(X_test)
python参考：
全部评论 (0)
还没有任何评论哟~