1、zero-shot Learning
功能：模型通过训练集和类别描述，能将未知的类别识别出来
核心思想：先得到类别（如狗）和语义向量的一一对应关系，语义向量的每个维度就是类别描述（如颜色，大小），这样就从特征x--->类别y，转换成从特征x--（w）-->语义向量y，训练集训练完毕后，输入测试集，得到模型预测的语义向量y'，看y’和 所有类别的语义向量以及未知类别的描述向量 哪个最接近，知道了哪个语义向量最近就知道了属于哪个类别。
存在的问题：领域漂移问题，语义向量的某个维度并没有完全表示好该属性信息，如马和猪的有无尾巴属性都是1，但2者的尾巴又完全不一样，以至于模型无法精准区分。
公式：
标签：维度,--,模型,语义,ml3,类别,向量 来源： https://www.cnblogs.com/pjishu/p/15939102.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。