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