何謂遷移式學習?另外可以將其應用在哪邊?
2021/11/23 上午 10:54
機器學習共學討論版
Yaoga
觀看數：249
回答數：2
收藏數：0
各位專家好： 想請問常聽到的遷移式學習的定義為何? 是有點類似將模型應用到其他類似的領域上嗎? 另外是一般的機器學習都可以使用還是僅限定在深度學習的類神經網路可以使用? 再麻煩各位專家解惑了 感謝!
回答列表
-
2021/11/24 下午 03:02范揚斌贊同數：0不贊同數：0留言數：1
遷移學習是一種機器學習的技術，可以將特定任務所訓練得到的已訓練模型(或預訓練模型)，轉移至其他相關的任務上。如此一來可以再其他任務上，減少所需要訓練的資料量。 由於越前面的卷積層，所學到的特徵越泛化，這些特徵不會因為不同的訓練集資料而訓練出不同的結果，故這些較泛化的特徵，可以轉移至其他任務上，僅需訓練新的分類器便可解決相關的問題。 一般來說，以Keras為例，有一些內建常見的預訓練模型，進行圖片分類的預測任務，例如:MobileNet、ResNet50、InceptionV3、VGG16...等。 遷移學習一般在應用領域(電腦視覺&自然語言處理)經常用到。至於定義的話，可以參考以下連結。 [遷移學習(transfer learning)的定義(definition)](https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5486154/) [Transfer learning in Wikipedia](https://en.wikipedia.org/wiki/Transfer_learning)
-
2021/11/29 上午 11:01Yaoga贊同數：0不贊同數：0留言數：0
所以如果是一般的機器學習演算法，像隨機森林、KNN、XGBoost來作數值型回歸預測的問題，也能採用遷移式學習嗎? 另外如果是用神經網路應用於數值型回歸預測的問題(並非電腦視覺或自然語言處理)，也是能採用這種遷移式學習嗎?