Edición final con todos los recursos actualizados:
Para un proyecto, estoy aplicando algoritmos de aprendizaje automático para la clasificación.
Desafío: Datos etiquetados bastante limitados y muchos más datos sin etiquetar.
Objetivos:
- Aplicar la clasificación semisupervisada
- Aplicar de algún modo un proceso de etiquetado semisupervisado (conocido como aprendizaje activo)
He encontrado mucha información en trabajos de investigación, como aplicar EM, SVM Transductiva o S3VM (Semi Supervised SVM), o de alguna manera utilizar LDA, etc. Incluso hay pocos libros sobre este tema.
Pregunta: ¿Dónde están las aplicaciones y las fuentes prácticas?
Actualización final (basada en las ayudas proporcionadas por mpiktas, bayer y Dikran Marsupial)
Aprendizaje semisupervisado:
- TSVM: en SVMligth y SVMlin .
- EM Naive Bayes en Python
- EM en el proyecto LinePipe
Aprendizaje activo:
- Dualista una aplicación de aprendizaje activo con código fuente sobre clasificación de textos
- Este página web ofrece una magnífica visión general del aprendizaje activo.
- Un taller de diseño experimental: aquí .
Aprendizaje profundo:
- Vídeo introductorio en aquí .
- Sitio general .
- Aprendizaje no supervisado de características y aprendizaje profundo de Stanford tutorial .