样本

自监督学习（SSL）在最近几年取得了很大的进展，在许多下游任务上几乎已经达到监督学习方法的水平。但是，由于模型的复杂性以及缺乏有标注训练数据集，我们还一直难以理解学习到的表征及其底…

K-近邻算法 什么是k-近邻算法？ 就是根据你的邻居推断出你的类别 概念： K Nearest Neighbor算法又叫KNN算法，这个算法是机器学习里面一个比较经典的算法， 总体…

机器学习最近取得了很大的进展，但仍然有一个主要的挑战：需要大量的标记数据来训练模型。 有时这种数据在现实世界中是无法获得的。以医疗保健为例，我们可能没有足够的x光扫描来检查一种新的…

 本文转载自微信公众号「活在信息时代」，作者活在信息时代。转载本文请联系活在信息时代公众号。 在机器学习中，一个基础的概念就是如何判断两个样本之间的差异，从而能够评价两个…

不同于传统的目标检测问题，少样本目标检测（FSOD）假设我们有许多的基础类样本，但只有少量的新颖类样本。其目标是研究如何将基础类的知识迁移到新颖类，进而提升检测器对新颖类的识别能力…

目前通用大模型取代为特定任务定制训练的专属模型的趋势逐渐显露，这种方式使AI模型应用的边际成本大幅下降。由此提出一个问题：不经过训练来实现零样本信息抽取是否可行？ 信息抽取技术作为…

不知不觉间，大模型+小样本成为了小样本学习领域的主流打法，在许多的任务背景下，一套通用的思路是先标注小数据样本，再从预训练大模型的基础上使用小数据样本进行训练。尽管如我们所见，大模…

近年来，基于深度学习的模型在目标检测和图像识别等任务中表现出色。像ImageNet这样具有挑战性的图像分类数据集，包含1000种不同的对象分类，现在一些模型已经超过了人类水平上。但…

我们可以将大型语言模型（LLMs）理解为小样本学习者，其能够通过很少的例子就能学习新任务，甚至仅通过简单的说明就能学习，其中对模型参数量和训练数据的大小进行扩展是模型拥有泛化能力的…

本文转自雷锋网，如需转载请至雷锋网官网申请授权。 现实应用中，数据易得，而有标签的数据少有。 一般而言，当监督学习任务面临标签数据不足问题时，可以考虑以下四种解决办法： 1.预训练…

    随机森林顾名思义，是用随机的方式建立一个森林，森林里面有很多的决策树组成，随机森林的每一棵决策树之间是没有关联的。在得到森林之后，当有一个新的输入样本进…