机器算法验证 - 与随机游走中的半监督学习有关的困惑 - 吾爱随笔录

我试图理解随机游走中的半监督学习。假设我有 10 个类，并且有一些标记和未标记的点。现在，我需要在随机游走中使用半监督学习来找到未标记点的标签。

我可以为节点/元素定义转换矩阵 P，使得每个条目给出从节点 i 移动到 j 的概率。现在我可以传播标签了。如果 P 是转移矩阵，我可以将 P 重置为 $P_{ij}$

P =

P_{l l} P_{l u}

$P_{ll} P_{lu}$

P_{u l} P_{u u}

$P_{ul} P_{uu}$

如果 Y 表示标签集上的概率分布矩阵，那么我可以使用以下迭代算法来获取未标记点的标签。假设是给定的标记点集，是我们必须为其找到标签的未标记点集。让我们说为 10 个标签给出了 10 个标记点，我必须找到剩余 100 个点的标签让我们说，然后有这个迭代算法 $Y_l$ $Y_u$

$Y^{0} \leftarrow Y$

$t \leftarrow 1$

重复

$Y^{t} \leftarrow PY^{t-1}$

$Y_{l}^{t} \leftarrow Y_{l}$

直到收敛到 $Y^\inf$

$\tilde{Y} \leftarrow Y^{inf}$

一开始我没有得到如何初始化这个 Y 向量。假设我有 110 分。我有十个点的标签 1.2.3...10，那么我将如何初始化这个 Y 矩阵，最后当我得到 $\tilde{Y}$ 时，我将如何知道它属于哪个类。我的意思是我只会有一些价值观。我怎么知道 $\tilde{Y}$ 中未标记的点属于哪个类。如果它是二进制的，我会知道，因为如果值大于 0.5，我会说它属于 1 类，否则为 0。但是当我有十个标签时会怎样。