传统监督学习对预测过程建模:,学习目的是降低与标签的误差。
传统监督学习是通过学习一个数据集中的带标签数据,得到针对这个数据集的预测模型参数,从而对这个数据集中的无标签数据的标签进行预测。
Meta-learning对学习过程建模:,是预测模型的参数,学习目的是如何根据数据集生成对应的预测模型。
Meta-learning是在对现有的多个数据集学习的过程中,同时学习到这些数据集的共同特征(先验知识)。这样当需要对一个数据量很小的新数据集进行学习时,可以根据先验知识很快学习到新数据集对应的模型参数。不同的的选择就产生了不同的Meta-learning方法。