Ostateczna edycja ze zaktualizowanymi wszystkimi zasobami:
W przypadku projektu stosuję algorytmy uczenia maszynowego do klasyfikacji.
Wyzwanie: Dość ograniczone dane oznaczone i znacznie więcej danych nieznakowanych.
Cele:
- Zastosuj klasyfikację częściowo nadzorowaną
- Zastosuj w jakiś sposób częściowo nadzorowany proces etykietowania (znany jako aktywne uczenie się)
Znalazłem wiele informacji z prac naukowych, takich jak stosowanie EM, Transductive SVM lub S3VM (Semi Supervised SVM), lub w jakiś sposób korzystanie z LDA itp. Nawet niewiele książek na ten temat.
Pytanie: Gdzie są wdrożenia i źródła praktyczne?
Ostatnia aktualizacja (na podstawie pomocy dostarczonej przez mpiktas, bayer i Dikran Marsupial)
Nauka częściowo nadzorowana:
Aktywne uczenie się:
- Dualist : implementacja aktywnego uczenia się z kodem źródłowym do klasyfikacji tekstu
- Ta strona internetowa stanowi doskonały przegląd aktywnego uczenia się.
- Eksperymentalne warsztaty projektowe: tutaj .
Głęboka nauka:
- Film wprowadzający tutaj .
- Ogólna strona .
- Samouczek funkcji uczenia się i głębokiego uczenia się bez nadzoru Stanforda .