Learning with Local and Global Consistency
-
Dengyong Zhou, Olivier Bousquet, Thomas Navin Lal, Jason Weston, Bernhard Schölkopf
-
NIPS 2003
概要
仮定
-
局所的:近くの点は同じラベルを持つ
-
大域的:同じ構造中の点同士は同じラベルを持ちやすい
-
k-NNとかは前者だけで後者はあまり反映出来ていない
-
ただのSVMでも微妙
提案アルゴリズム
-
自分のラベルを周りに伝播する感じ
-
x1,…xlがラベル有り(y1,…,yl)、x{l+1},…,xnがラベル無し
-
n×c行列F
-
$$ y_i = \mathrm{argmax}_{j}F_{ij} $$
-
一番大きいラベルを割り当てる
-
n×c行列Y
-
$$ Y_{ij}=[y_i=j] $$
-
ラベル無しのはどうするの?
-
affinity matrix Wを構築
-
S = D^{-1/2}WD^{-1/2}
-
F(t+1)=αSF(t)+(1-α)Y を反復
-
F*を元に出力
-
ラベル有りの入力に対応するラベル変化しうる
-
α=0.99とかして、ちょっとだけ加味する
-
大体personalized PageRank
-
F*=(1-α)(I-αS)^{-1} Y
-
Regularization Framework
-
$$ \frac{1}{2}\left(\sum_{i,j} W_{ij}\left\| \frac{F_i}{\sqrt{D_{ii}}} - \frac{F_j}{\sqrt{D_{jj}} } \right\|^2 + \mu\sum_{i}\|F_i -Y_i\|^2 \right) $$
-
でこれの最小値がF*で達成される
実験
-
toy example、桁認識、テキスト分類
-
反復していくとじわじわ伝搬していく
-
滑らかになっていく様子も何か描画されている
-
SVMした(微妙な)結果をsmoothingすると良くなった
まとめ
-
こんな感じで良いのだなぁ…
-
本当はもっとスペクトラルな感じの解析とかを加えたいのだろう。
NIPS グラフベース半教師あり学習 ラベル伝播 半教師あり学習
2017/06/11
最終更新:2017年06月11日 22:24