归纳学习(Inductive Learning),直推学习(Transductive Learning),困难负采样(Hard Negative)
归纳学习(Inductive Learning): 顾名思义,就是从已有训练数据中归纳出模式来,应用于新的测试数据和任务。我们常用的机器学习模式就是归纳学习。
直推学习(Transductive Learning): 也叫转导学习,指的是由当前学习的知识直接推广到指定的部分数据上。即用于训练的数据包含了测试数据,学习过程是作用在这个固定的数据上的,一旦数据发生改变,需要重新进行学习训练。
Inductive Learning 对应于meta-learning(元学习),要求从诸多给定的任务和数据中学习通用的模式,迁移到未知的任务和数据上。
Transductive Learning 对应于domain adaptation(领域自适应),给定训练的数据包含了目标域数据,要求训练一个对目标域数据有最小误差的模型。
困难负样本(Hard Negative): hard negative就是当你得到错误的预测样本时,会创建一个负样本,并把这个负样本添加到训练集中去。当重新训练你的分类器后,分类器会表现的更好,并且不会像之前那样产生多的错误的正样本。
归纳学习(Inductive Learning),直推学习(Transductive Learning),困难负采样(Hard Negative)相关推荐
- 半监督学习:semi-supervised learning 直推学习:transductive learning 主动学习:active learning
目前,利用未标记示例的主流学习技术主要有三大类:半监督学习(semi-supervised learning).直推学习(transductive learning)和主动学习(active lear ...
- 机器学习(Machine Learning)、深度学习(Deep Learning)、NLP面试中常考到的知识点和代码实现
网址:https://github.com/NLP-LOVE/ML-NLP 此项目是机器学习(Machine Learning).深度学习(Deep Learning).NLP面试中常考到的知识点和代 ...
- 深入理解深度学习——Word Embedding(六):负采样(Negative Sampling)优化
分类目录:<深入理解深度学习>总目录 相关文章: · Word Embedding(一):word2vec · Word Embedding(二):连续词袋模型(CBOW, The Con ...
- 转导学习 transductive learning
转导推理(也称为直推式学习(Transductive Learning) 区别于归纳推理(Inductive Inference)从特殊到一般,再从一般到特殊的学习方式,转导推理(Tranductiv ...
- 转【重磅干货整理】机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总
原文出处:http://blog.csdn.net/zhongwen7710/article/details/45331915 介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机.神经网络.决 ...
- 机器学习(Machine Learning)——深度学习(Deep Learning)
版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明. 本文链接:https://blog.csdn.net/abcjennifer/article/ ...
- 机器学习(Machine Learning)amp;深度学习(Deep Learning)资料
机器学习(Machine Learning)&深度学习(Deep Learning)资料 機器學習.深度學習方面不錯的資料,轉載. 原作:https://github.com/ty4z2008 ...
- 元学习(meta learning)和小样本学习(few-shot learning)
Meta learning few-shot learning是meta learning中的一种.可将few-shot learning看做是meta leaning即可. Meta learnin ...
- 《中国人工智能学会通讯》——11.52 基于直推式学习的异质人脸图像 合成
11.52 基于直推式学习的异质人脸图像 合成 前面介绍的方法都是基于归纳式学习(InductiveLearning) 的,这些方法取得了不错的效果,但是它们也使得测试样本风险误差增加,进而可能影响合 ...
- 理解对比表示学习(Contrastive Learning)
目录 一.前言 二.对比学习 三.主要论文(附代码分析) 1. AMDIM ([Bachman](https://arxiv.org/pdf/1906.00910.pdf) *et al.* 2019 ...
最新文章
- Java http方式提交短信到短信网关
- java 字节码增强原理_深入浅出Java探针技术1--基于java agent的字节码增强案例
- java ftp限速_为什么Java FTP客户端的传输速率存在很大差异
- 代码修改及模型复查 12-6
- plc编程及应用_西门子PLC编程及应用
- 北京专业一般人小规模代理记账
- 利用VB操作目录和文件夹
- Google SketchUp SDK
- ESN学习笔记——原理与超参数
- 【互联网及其应用】第7章计算机网络安全及管理技术
- 计算机专业大学期间有必要参加很多竞赛吗?
- matlab计算macd_[转载]4.K线图以及常用技术指标的Matlab实现-基于Matlab的量化投资...
- 第一个简单的JSP网页
- Windos下用setx.exe命令行模式下永久设置系统环境变量(转)
- iptables icmp-host-prohibited引起的No route to host
- 5款轻量级小软件,第一款更是近期必备!
- 专职渲染房价上涨气氛 网络房托曝忽悠内幕
- java简历工作描述怎么写,送大厂面经一份!
- 2022年数维杯国际大学生数学建模挑战赛开赛公告
- 天正安装autocad启动失败_天正打不开找不到可使用的AutoCAD版本如何解决?已经安装了CAD...
热门文章
- cpu计算机性能指标有哪些,CPU性能指标有哪些
- 超声光学成像突破衍射极限
- [COGS 2479] [HZOI 2016] 偏序
- 记单词01-vict, vinc(胜利,征服)
- 公众号获取access_token失败
- 把计算机网络关闭啦怎么打开,网络发现已关闭怎么办?Win7系统启用/关闭网络发现方法(图文)...
- arXiv 注册完整过程(图文详解)
- Windows下LimeSDR Mini使用说明
- 關於小米路由器老毛子Padavan固件之使用
- yate怎样调出彩色的log日志实时调试信息