机器学习笔记 - 什么是元学习？

一、什么是元学习？

        学习模型的性能取决于其训练数据集、算法和算法的参数。需要许多实验来找到性能最佳的算法和算法的参数。元学习方法有助于找到这些并优化实验数量。这样可以在更短的时间内做出更好的预测。

        元学习可用于不同的机器学习模型（例如少样本学习、强化学习、自然语言处理等）。元学习算法通过将机器学习算法的输出和元数据作为输入来进行预测。元学习算法可以学习使用机器学习算法的最佳预测来做出更好的预测。

        在计算机科学中，元学习研究和方法始于 1980 年代，并在 Jürgen Schmidhuber和 Yoshua Bengio 就该主题的工作之后变得流行。

        元学习，也称为“学习的学习”，是计算机科学中机器学习的一个子集。它用于通过根据实验结果改变学习算法的某些方面来提高学习算法的结果和性能。元学习帮助研究人员了解哪些算法从数据集中生成最好/更好的预测。

        元学习算法使用学习算法的元数据作为输入。然后，他们进行预测并提供有关这些学习算法性能的信息作为输出。对于非技术用户，元数据是关于数据的数据。例如，学习模型中图像的元数据可以是其大小、分辨率、样式、创建日期和所有者。

   &n