当前监督学习技术已经取得了巨大的成功，但是值得注意的是，由于数据标注过程的成本太高，很多任务很难获得如全部真值标签这样的强监督信息。而无监督学习由于学习过程太过困难，它的发展缓慢。因此，希望机器学习技术能够在弱监督状态下工作。本报告介绍了弱监督学习中的三个问题及解决方法，以及半监督技术的前提假设和具体的三种算法，包括自训练，先聚类后标注和基于图的算法。
弱监督技术方法-谢崇玮原创文章，作者：BFS，如若转载，请注明出处：https://www.isclab.org.cn/2022/02/21/%e5%bc%b1%e7%9b%91%e7%9d%a3%e6%8a%80%e6%9c%af%e6%96%b9%e6%b3%95/