半监督学习的常见方法
答案要点
- 自训练/伪标签:高置信度预测作为标签迭代加入;协同训练用多视图互相标注
- 一致性正则:扰动下预测保持一致,如 Π-model、Temporal Ensembling、Mean Teacher
- 混合方法:FixMatch 用弱增强生成高置信伪标签,约束强增强预测一致
- 基于图:标签传播在相似度图上扩散标签
- 生成式:半监督 VAE、半监督 GAN;多数方法依赖平滑、聚类或流形假设
易错点
- 把半监督学习和自监督学习混为一谈
- 伪标签不设阈值,导致错误标签累积
- 忽略无标签数据与有标签数据分布不一致时可能降低效果
面试官常见追问
- 伪标签方法有什么风险,怎么缓解?
- Mean Teacher 的教师模型怎么更新?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。