- 监督学习(supervised learning):只能从标注的数据进行学习,只涉及到一个学习任务。
- 半监督学习(semi-supervised learning):可以对标注的样本生成伪标签,但无法知道标签的好坏。
- 多任务学习(multi-task learning):同时学习多个任务模型,但这些任务必须共享相同的输入空间。
- 迁移学习(transfer learning):用一个或者多个相关的任务来辅助主要任务的学习。
- 对偶学习(dual learning):可以同时学习多个对偶的问题,可以应用很少的标签数据和大量的无标签数据来训练对偶问题模型;对偶学习对输入空间没有要求,只要这些任务能形成一个闭环系统;多个任务是相互帮助、相互学习、相互提高。