菲利普·里戈莱特 聚类假设下半监督分类的泛化误差界。 (英语) Zbl 1222.68288号 J.马赫。学习。物件。 8, 1369-1392 (2007). 摘要:当部分可用数据未标记时,我们考虑半监督分类。当我们假设回归函数的行为与边际分布的行为相关时,这些未标记的数据对于分类问题很有用。Seeger提出了众所周知的集群假设,认为这是合理的。我们提出了这一假设的数学公式和一种基于密度水平集估计的方法,该方法利用它在未标记示例数和标记示例数方面实现了快速收敛。 引用于15文件 MSC公司: 68T05年 人工智能中的学习和自适应系统 62H30型 分类和区分;聚类分析(统计方面) 关键词:半监督学习;统计学习理论;分类;集群假设;泛化界限 PDF格式BibTeX公司 XML格式引用 \textit{P.Rigollet},J.Mach。学习。第8号决议,1369--1392(2007年;Zbl 1222.68288) 全文: 链接