参考链接:https://blog.csdn.net/Snoopy_S/article/details/88420013
在小样本分类问题中,最需要解决的一个问题是数据的过拟合,由于数据过少,一般的分类算法会表现出过拟合的现象,从而导致分类结果与实际结果有较大的误差。为了减少因数据量过少而导致的过拟合的影响,可以使用基于度量的元学习方法,而原型网络便是。在此方法中,需要将样本投影到一个度量空间,且在这个空间中同类样本距离较近,异类样本的距离较远,如图:
在这个投影空间中,存在有三个类别的样本,且相同类别的样本间距离较近。为了给一个未标注样本x进行标注,则将样本x投影至这个空间并计算x距哪个类别较近,则认为x属于哪个类别。
那么,现在有几个问题:
- 怎么将这些样本投影至一个空间且让同类样本间距离较近?
- 怎么说明一个类别所在的位置?从而能够让未标记的样本计算与类别的距离
原型网络的原理较为简单,但是有一点小问题就是,对于两个或多个样本的相似度,用距离较近来度量是否合理。