多任务学习MTL-基本介绍（一）

多任务模型

单任务模型

一个模型学习一个目标，不同模型享用独立的模型空间，不同模型之间没有连接，相互独立

多任务模型

一个模型学习多个目标，共享同一个模型空间

优势：相比于单任务模型，同时学习多个相关任务，多任务模型具有相当的优势。
例如：视频推荐中的例子把点击率、时长和完播率拆分出来，形成三个独立的训练目标，分别建立各自的Loss Function，作为对模型训练的监督和指导。
相关任务
（1）使用相同的特征做判断的任务

• 如果两个任务是处理输入的相同函数，但是在任务信号中加入独立的噪声，很明显这两个任务是相关的。
• 如果两个任务用于预测同个个体的属性的不同方面，这些任务比预测不同个体的属性的不同方面更相关。

（2）共享相同的最优假设空间，即拥有相同的归纳偏置（having the same inductive bias)
（3）F-相关（F-related）: 两个任务的数据可以从一组分布变换 F 得到的固定概率分布生成