机器学习中的“端到端”学习（end-to-end learning）

非端到端学习

在传统的机器学习中，其学习流程通常由多个过程化化模块构成，这些模块各自负责相对独立的任务，但是其任务执行的结果往往会影响下一个模块的效果，最终影响到整个训练的效果，这种机器学习模型是非端到端的。在典型的自然语言处理问题中，包括分词、词性标注、句法分析、语义分析等多个独立步骤，先导步骤的效果往往会影响接下来的步骤结果；在传统语音识别系统中，包括特征提取模块、声学模型、发音词典、语言模型、解码器等模块，传统的语音识别中的语音模型和语言模型是分别训练的，单个模型的优化不一定能提高总体上的识别率。

端到端学习

而端到端学习的思路是直接通过深度学习模型，在输入端输入数据，从输出端得到预测结果，与真实结果比较得到误差，将误差在模型中逐层反向传播并进行调整，直到模型收敛或达到预期效果结束训练。

链接：https://www.zhihu.com/question/50454339/answer/257372299
来源：知乎
著作权归原作者所有