分类 迁移学习_迁移学习在金融风控领域的应用

为什么做迁移?一句话概括:源域样本和目标域样本分布有区别,目标域样本量又不够。场景思考我们平时建模会使用到迁移学习的一些场景:1)新开了某个消费分期的场景只有少量样本,需要用其他场景的数据进行建模;2)业务被迫停止3个月后项目重启,大部分训练样本比较老旧,新的训练样本又不够;3)在某个新的国家开展了类似国内的业务,因为国情不同,显然部分特征分布是不同的;主要任务缩小边缘分布之间的距离 和 jia条...
摘要由CSDN通过智能技术生成

1a902a2a17ef6fdd7904ed51ff71c8c3.png

为什么做迁移?

一句话概括:源域样本和目标域样本分布有区别,目标域样本量又不够。

场景

思考我们平时建模会使用到迁移学习的一些场景:

1)新开了某个消费分期的场景只有少量样本,需要用其他场景的数据进行建模;
2)业务被迫停止3个月后项目重启,大部分训练样本比较老旧,新的训练样本又不够;
3)在某个新的国家开展了类似国内的业务,因为国情不同,显然部分特征分布是不同的;

主要任务

缩小边缘分布之间的距离 和 jia条件分布下的差异。

首先我们来看一下迁移学习领域的进展

fffa7df07a3e22dd1ac319939fe683a0.png

介绍几个基本概念:

  • Domain(域):包括两部分:feature space(特征空间)和probability(概率)。所以当domain不同的时候,分两种情况。可能是feature space不同,也可能是feature space一样但probability不同;
  • Task(任务):包括两部分:label space(标记空间)和objective predictive function(目标预测函数)。同理,当task不同的时候,也分两种情况。可能是label space不同,也可能是label space一样但function不同;
  • Source(源)是用于训练模型的域/任务;
  • Targe(任务)是要用前者的模型对自己的数据进行预测/分类/聚类等机器学习任务的域/任务

通常我们说的迁移学习就是指将知识从源域迁移到目标域的过程。

比如我们有大量英短银渐层的图片,和少量美短起司的照片,想训练一个判别当前的猫是不是美短起司的学习器。如果我们用英短银渐层图片来作为样本,显然训练的模型是不能用来判别美短起司的,用美短起司的样本来训练,样本量又太小。

da9aa6820d5c324f5a7e465838197719.png

这时候我们可能会使用英短银

  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值