Machine learning 什么'；集体分类和半监督学习的区别是什么

我遇到了像标题一样的麻烦： 集体分类的定义是“集体分类是机器学习中的一个领域，其中网络中的未知节点仅根据分配给已知节点的类别和网络结构进行分类。” 半监督学习是为给定的未标记数据推断正确的标签

---

因此，它们之间唯一的区别是cc有分类，而ssl没有。这是正确的吗？

半监督学习更一般-它没有指定/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”。执行推断的方法也未指定

您上面反映的“集体分类”确实指定了推断未标记点的方式：

基于分配给已知节点和网络的类 仅限结构

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

本文中的集体分类摘要有助于说明对数据结构和语义的（更高）期望：

关系数据中的集体分类已经变得非常重要和重要 过去十年中活跃的研究课题，其中类别标签为 链接实例组是相关的，需要预测 同时

关于适用问题类型的注释也很有启发性——注意，它们是面向图形的数据分析任务：

集体分类具有广泛的现实意义 世界应用，例如超链接文档分类， 社会网络分析与协作网络分析