什么是元学习MetaLearning

来源：成都达内教育IT培训机构时间：2021/9/13 10:26:28

　　什么是元学习MetaLearning
　　元学习，即如何学习，通过系统地观察现有学习任务之间的性能差异，然后学习现有的经验和元数据，更好地执行新的学习任务。这样可以大大学习静态机器流水线或神经网络架构的设计，也可以用数据驱动取代手工作坊等算法工程。
　　从某种意义上说，元学习涵盖了超参数优化，因为元数据的学习包括超参数、流水线组成、神经网络架构、模型组成、元特征等。

　　机器学习的算法也叫‘学习器’。学习器是假设一个模型有很多未知参数利用训练数据和优化算法找到较适合这些训练数据的参数，生成一个新的算法或参数已知的模型，并使用该模型/算法预测新的未知数据。如果世界上只有一个模型，那么问题就简单了。问题是模型很多，不同的模型有不同的超参数。我们经常将模型和算法组装在一起，形成复合模型和机器学习的流水线。这时候我需要知道解决不同的问题，构建不同的模型。元学习就在这个时候，我们可以把超参数、流水线、神经网络架构等作为新模型的未知参数，把不同学习任务的性能指标作为输入数据，这样我们就可以用优化算法找到性能较好的参数。这种模式可以一直嵌套，也就是说，你可以有‘元元学习’，当然，我希望你不要走得太远，找不到回来的路。

　　元学习方法包括：
　　·通过模型评估学习。
　　·学习任务的属性，元特征。
　　·学习现有模型，包括：
　　迁移学习。
　　在学习过程中使用RNN来修改自己的权重。
　　元学习的一个巨大挑战是，如果你通过很少的训练数据学习一个复杂的模型，这就是one-shot或few-shot的问题。
　　就像人类的学习一样，每次学习成功失败，我们都会获得一定的经验，人类很少从零开始学习。在构建自动学习时，也要充分利用现有的学习经验，逐步改进，使新的学习更加有效。

尊重原创文章，转载请注明出处与链接：http://www.peixun360.com/3857/news/409381/违者必究！ 以上就是成都达内教育IT培训机构 小编为您整理 什么是元学习MetaLearning的全部内容。