machine-learning - 集体分类和半监督学习有什么区别

Question

我遇到了像标题这样的麻烦:集体分类的定义是“集体分类是机器学习中的一个领域，其中仅根据分配给已知节点的类别和网络结构对网络中的未知节点进行分类。”半监督学习是针对给定的未标记数据推断出正确的标签 ---wiki

因此它们之间的唯一区别是 cc 有分类，而 ssl 没有。这是正确的吗？

Answer 1

半监督学习更为通用 - 它不指定/规定输入数据的结构。它可以概括为“从标记和未标记数据点的组合中学习”。执行推理的方法也未指定。

正如您在上面所反射(reflect)的“集体分类”确实指定了推断未标记点的方式:

based on the classes assigned to the known nodes and the network structure only.

因此对数据还有一个额外的期望- 以图形结构表示- 它们的相关性可用于计算它们的相对相似性，从而计算它们的类别

本文的集体分类摘要https://www.cs.uic.edu/~xkong/sdm11_icml.pdf有助于说明对数据结构和语义的(更高)期望:

Collective classification in relational data has become animportant and active research topic in the last decade,where class labels for a group of linked instances are cor-related and need to be predicted simultaneously.

关于适用问题的类型的注释也很有启发性 - 请注意它们是面向图形的数据分析任务:

Collective classification has a wide variety of real world appli-cations,e.g.hyperlinked document classification, socialnetworks analysis and collaboration networks analysis