本文介绍了在监督学习面临数据限制时，如何利用迁移学习和自我学习来克服挑战。迁移学习通过选取旧数据中的有效样本帮助新任务学习，而自我学习则在少量标记样本和大量无标记样本条件下，通过特征提取和分类器训练实现学习。文中探讨了这两种方法的原理、应用和不同类型的迁移学习策略。
最近在看Ng的深度学习教程，看到
self-taught learning的时候，对一些概念感到很陌生。作为还清技术债的一个环节，用半个下午的时间简单搜了下几个名词，以后如果会用到的话再深入去看。
监督学习在前一篇博客中讨论过了，这里主要介绍下迁移学习、自我学习。因为监督学习需要大量训练样本为前提，同时对训练样本的要求特别严格，要求训练样本与测试样本来自于同一分布。要是满足不了这要求咋办？那您看看下面几种学习方法能不能帮上忙吧。
- 迁移学习 transfer learning
订阅专栏 解锁全文
扫一扫
271
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
