Mar, 2016
半监督学习中基于 $\ell_p$ 的拉普拉斯正则化的渐近行为
Asymptotic behavior of $\ell_p$-based Laplacian regularization in semi-supervised learning
Ahmed El Alaoui, Xiang Cheng, Aaditya Ramdas, Martin J. Wainwright, Michael I. Jordan
TL;DR以 $L_p$-Laplacian 正则化为基础的半监督学习算法采用 $d$ 维几何随机图模型给出了理论推导,证明了当 $N$ 趋于无穷大而 $n$ 保持不变时, 估计函数的性能,证明了在 $P$ 的敏感度和置信度之间存在权衡,表明选择 $p = d +1$ 是最优的选择。