大数据时代下的迁移学习_多应用领域“大数据” “小数据”的迁移学习技术 | 迁移学习...

更多AI资讯，关注微信公众号，搜索：九三智能控

迁移学习实现将特定领域的模型应用到多个目标领域中，能够促进目标领域模型的学习成长，并降低目标领域内对于数据量和类型的要求，实际上就是利用已有先验信息来优化模型学习内容。迁移学习在小数据环境、智能终端上具有广阔的应用空间，迁移学习需要将在数据量充足的情况下学习到的知识，迁移到数据量小的新环境中，能够通过发现大数据和小数据问题之间的关联，把知识从大数据中迁移到小数据问题中，从而打破人工智能对大数据的依赖。

迁移学习为两类问题提供了解决路径，这也是迁移学习存在的实际价值：

一是在数据样本量小的行业中，人工智能学习、认知的问题。比方说我们准备新开一个售卖零食的网店，由于没有数据积累，无法从售卖其他商品的网店推荐顾客来购买，这时候如果我们知道顾客买饮料的时候很有可能也会买零食，并且卖饮料的网店已经积累了大量数据，就能够利用这些数据，结合顾客买饮料和零食的习惯建一个模型。然后，把饮料的推荐模型迁移到零食的领域，这样就可以成功推荐顾客购买可能喜欢的零食。这个例子足以说明迁移学习的应用前提，即至少包括两个领域，一个领域已经积累了足够多的数据，能够成功地建立算法模型；另外一个领域数据量不大，但是和前面那个领域是相互关联的，这时就可以把前一个领域的模型迁移过来给后一个领域使用。

二是通用与个性化问题。平时在使用手机的时候，希望它能够记住我们的一些生活习惯以方便使用，可以把常规用户A使用手机的常见习惯，建立成为通用模型，当其他用户使用的时候，可以迁移通用模型