学习笔记：弱监督学习-valse青年会议

https://www.bilibili.com/video/BV1Xt4y127sX
嘉宾介绍： http://valser.org/article-357-1.html

6. 各类弱监督学习算法（比如半监督学习、标签噪声学习、多示例学习、迁移学习、PU学习、偏标记学习等），它们之间是否存在一定的联系？是否有可能在理论上构建统一的弱监督机器学习框架？

一、议题

1. 弱监督学习和强监督学习相比，从学术研究的角度说，其根本难点和技术瓶颈在什么地方？

2. 虽然弱监督学习这个概念已经被提出很久了，但工业界仍很少使用，为了提升性能，工业界往往更倾向于直接增加更多的训练数据。因此，弱监督学习从研究到落地的鸿沟主要在哪？

3. 最近几年的弱监督学习算法大多致力于设计各种无偏或有偏的risk estimator。“无偏”和“有偏”各有什么好处和弊端？除了设计risk estimator，还有哪些大方向是值得进一步探寻的？

4. 深度学习是一种data hungry的方法，如果想弱化深度神经网络训练对数据质量的依赖，我们可以从哪些方面努力？

5. 对于弱监督学习，监督信息的强弱与算法性能的好坏在理论上是否存在精确或大致的函数关系？

6. 各类弱监督学习算法（比如半监督学习、标签噪声学习、多示例学习、迁移学习、PU学习、偏标记学习等），它们之间是否存在一定的联系？是否有可能在理论上构建统一的弱监督机器学习框架？

各个弱监督算法

50分钟开始，相关关系、因果关系的证明分析

本文地址：https://blog.csdn.net/weixin_44523062/article/details/107247898