超级会员免费看
零样本学习（Zero-Shot Learning, ZSL）是一种机器学习方法，模仿人类推理过程，无需特定类别的样本也能识别新事物。通过利用类别的高维语义特征，ZSL使得模型在未见过的数据上具备识别能力。常见的应用包括图像识别，其区别于传统机器学习在于不需要大量新类别样本即可识别。实现原理涉及将类别描述转换为语义向量，通过已知类别训练模型，使其能在未知类别上进行分类。"
137362086,22835227,Python爬虫实践：腾讯招聘数据分析,"['Python', '爬虫', '数据库']
ChatGPT基础知识系列之零次学习( Zero-Short learning)
顾名思义，在训练分类器的时候可以不需要A类物体样本就能在测试时识别A类物体，咋一看，很玄乎，其实并没有。在具体解释思路之前，先回顾一下大家比较熟悉的word2vec，就是把单词变成一个向量（语义向量），就可以数字化送进神经网络了。意思相近的单词的语义向量也会比较相似。
零样本学习 Zero-Shot Learning，简称 ZSL，是由 Lampert 等人在 2009 年提出的。他们提供了一个 Animals with Attributes 数据集以及经典的基于属性的学习算法，开启了这一机器学习新方法。从原理上来说，ZSL 就是让计算机模拟人类的推理方式，来识别从未见过的新事物。之所以独立出来，是因为它解决问题的思路不同于传统的机器学习方法。
我们用小明找斑马的经典例子。某个周末，爸爸带小明到动物园玩，看到了马，爸爸告诉他，这是马。之后，又看到了老虎，告诉他: **看，这种身上有条纹的家伙就是老虎。**最后，又带他去看了熊猫，对他说: **你看这熊猫是黑白色的。**然后，爸爸给小明安排了一个任务，让他在动物园里找一种叫斑马的动物。由于小明没有见过斑马，
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
