基于图的贝叶斯半监督学习的一致性和抽样算法的可扩展性
尼古拉·加西亚·特里罗斯、扎卡里·卡普兰、塔博·萨马霍纳、丹尼尔·桑兹·阿隆索; 21(28):1−47, 2020.
摘要
本文研究了一种基于图的半监督学习的贝叶斯方法。我们表明，如果适当缩放图形参数，则随着未标记数据集的大小增加，图形后验函数收敛到连续极限。该一致性结果具有深刻的算法含义：我们证明，当一致性保持时，精心设计的马尔可夫链蒙特卡罗算法具有均匀的谱间隙，与未标记输入的数量无关。数值实验说明并补充了该理论。
[腹肌]
[pdf格式][围兜]
