知识卡片

操作参考卡 · 9907.q · 生成模型:Hunyuan

主动学习与迁移学习冷启动

理解等级:高级

主动学习相对被动学习的差别在于:它不仅用已有数据建模,还会主动评估哪些查询最能让损失下降,向外界发出询问并获取反馈,从而加速学习。在推荐冷启动示例中,影片聚成a、b、c、d四类,应选最大类d的中心影片请求打分,一次问询就能获得最大收益;其过程遵循行动、反馈、状态更新的强化学习循环。迁移学习则在某领域知识不足时迁移其他领域的数据或知识:阿里ESMM用CTR数据生成Embedding共享给CVR,就是让CVR在无转化数据时冷启动;更一般的做法是把源领域训练好的参数作为目标领域初值再增量更新,局限是要求两领域特征基本一致。两者都通过外部信息补数据缺口。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第5章 多角度审视推荐系统 · 查看原书依据

      被动学习是在已有的数据集上建模,学习过程中不对数据集进行更改,也不会加入新的数据,学习的过程是“被动的”。而主动学习不仅利用已有的数据集进行建模,而且可以“主动”发现哪些数据是最急需的,主动向外界发出询问,获得反馈,从而加速整个学习的过程,生成更全面的模型。

    参考来源

    - 位置:《深度学习推荐系统》第5章 多角度审视推荐系统(源文件:extracted/深度学习推荐系统/_epub-src/text/part0009_split_006.html) - 结论依据:原文分别解释主动学习的查询选择机制与迁移学习的知识迁移思路,并给出聚类中心与ESMM共享Embedding的实例。 - 原始内容:被动学习是在已有的数据集上建模,学习过程中不对数据集进行更改,也不会加入新的数据,学习的过程是“被动的”。而主动学习不仅利用已有的数据集进行建模,而且可以“主动”发现哪些数据是最急需的,主动向外界发出询问,获得反馈,从而加速整个学习的过程,生成更全面的模型。