few-shot learning 1.1——零样本学习

                         few-shot learning 1.1——初识零样本学习

 

1. 什么是few-shot learning

       小样本学习问题是指只给定目标少量训练样本的条件下，如何训练一个可以有效地识别这些目标的机器学习模型。按照训练样本的多少可以将小样本学习分为三类：1）只有一个训练样本，这种学习方法我们称为单样本学习(one-shot learning)；2）当不存在待识别目标训练样本的时候，我们称这类问题为零样本学习(zero-shot learning) ；3）当拥有目标训练样本在数十个量级的机器学习问题，我们称之为小样本学习(few-shot learning)。以上三类均称之为小样本学习，其中，前两类可以作为第三类的特殊情况。实际中以第二种和第三种情况研究较多。

2. zero-shot learning的直观解释

假设jack和爸爸，到了动物园，看到了马，然后爸爸告诉他，这就是马；之后，又看到了老虎，告诉他：“看，这种身上有条纹的动物就是老虎。”最后，又带他去看了熊猫，对他说：“你看这熊猫是黑白色的。”然后，爸爸给jack安排了一个任务，让他在动物园里找一种他从没见过的动物，叫斑马，并告诉了jack有关于斑马的信息：“斑马有着马的轮廓，身上有像老虎一样的条纹，而且它像熊猫一样是黑白色的。”最后，jack根据爸爸的提示，在动物园里找到了斑马（意料之中的结局）。

上述例子中包含了一个人类的推理过程࿰