待整理

本文深入探讨了机器学习的各种范式,包括有监督学习、无监督学习、强化学习、弱监督学习、半监督学习、多示例学习、one-shot学习和zero-shot学习,详细解释了每种学习方式的特点及应用场景。

正则表达式

推荐系统(源来,算法实现,项目,fellow一个)

编制

优快云积分

one-shot learning :In one shot learning, you get only 1 or a few training examples in some categories.

zero-shot learning:In zero shot learning, you are not presented with every class label in training. So in some categories, you get 0 training examples.

Few-shot Learning:= one-shot learning

监督学习(supervised learning):已知数据和其一一对应的标签,训练一个智能算法,将输入数据映射到标签的过程。监督学习是最常见的学习问题之一,就是人们口中常说的分类问题。比如已知一些图片是猪,一些图片不是猪,那么训练一个算法,当一个新的图片输入算法的时候算法告诉我们这张图片是不是猪。

无监督学习(unsupervised learning):已知数据不知道任何标签,按照一定的偏好,训练一个智能算法,将所有的数据映射到多个不同标签的过程。相对于有监督学习,无监督学习是一类比较困难的问题,所谓的按照一定的偏好,是比如特征空间距离最近,等人们认为属于一类的事物应具有的一些特点。举个例子,猪和鸵鸟混杂在一起,算法会测量高度,发现动物们主要集中在两个高度,一类动物身高一米左右,另一类动物身高半米左右,那么算法按照就近原则,75厘米以上的就是高的那类也就是鸵鸟,矮的那类是第二类也就是猪,当然这里也会出现身材矮小的鸵鸟和身高爆表的猪会被错误的分类。

强化学习(reinforcement learning):智能算法在没有人为指导的情况下,通过不断的试错来提升任务性能的过程。“试错”的意思是还是有一个衡量标准,用棋类游戏举例,我们并不知道棋手下一步棋是对是错,不知道哪步棋是制胜的关键,但是我们知道结果是输还是赢,如果算法这样走最后的结果是胜利,那么算法就学习记忆,如果按照那样走最后输了,那么算法就学习以后不这样走。

弱监督学习(weakly supervised learning): 已知数据和其一一对应的弱标签,训练一个智能算法,将输入数据映射到一组更强的标签的过程。标签的强弱指的是标签蕴含的信息量的多少,比如相对于分割的标签来说,分类的标签就是弱标签,如果我们知道一幅图,告诉你图上有一只猪,然后需要你把猪在哪里,猪和背景的分界在哪里找出来,那么这就是一个已知若标签,去学习强标签的弱监督学习问题。

半监督学习(semi supervised learning) :已知数据和部分数据一一对应的标签,有一部分数据的标签未知,训练一个智能算法,学习已知标签和未知标签的数据,将输入数据映射到标签的过程。半监督通常是一个数据的标注非常困难,比如说医院的检查结果,医生也需要一段时间来判断健康与否,可能只有几组数据知道是健康还是非健康,其他的只有数据不知道是不是健康。那么通过有监督学习和无监督的结合的半监督学习就在这里发挥作用了。

多示例学习(multiple instance learning) :已知包含多个数据的数据包和数据包的标签,训练智能算法,将数据包映射到标签的过程,在有的问题中也同时给出包内每个数据的标签。多事例学习引入了数据包的概念,比如说一段视频由很多张图组成,假如1000张,那么我们要判断视频里是否有猪出现,一张一张的标注每一帧是否有猪太耗时,所以人们看一遍说这个视频里有猪或者没猪,那么就得到了多示例学习的数据,1000帧的数据不是每一个都有猪出现,只要有一帧有猪,那么我们就认为这个包是有猪的,所有的都没有猪,才是没有猪的,从这里面学习哪一段视频(1000张)有猪哪一段视频没有就是多事例学习的问题

[1] https://www.quora.com/Whats-the-difference-between-one-shot-learning-and-zero-shot-learning

[2] https://blog.youkuaiyun.com/limiyudianzi/article/details/78921450

 

<think>我们正在修改一个Obsidian笔记模板。用户要求在学校、创建日期和最新修改日期部分进行添加。 在模板的顶部已经有日期,但用户可能希望添加学校信息,并在核心知识点部分添加创建日期和最新修改日期。 具体来说,用户要求: 1. 添加学校 2. 在核心知识点部分添加创建日期和最新修改日期 观察模板,顶部有YAML格式的元数据。我们可以将学校添加到元数据中。 在核心知识点部分,用户使用了Dataview插件,这是一个Obsidian中用于查询和展示数据的插件。我们可以修改Dataview查询,以显示创建日期和最新修改日期。 修改步骤: 1. 在顶部YAML区域添加“学校”字段。 2. 修改Dataview代码:在表格中增加两列,分别是创建日期(file.ctime)和修改日期(file.mtime)。 注意:Dataview中,file.ctime表示文件创建时间,file.mtime表示文件最后修改时间。 因此,修改后的模板如下:</think>以下是优化后的Obsidian网课笔记模板,已添加学校信息字段,并在核心知识点区域集成创建日期和最新修改日期: ```markdown --- 课程名称: 授课教师: 学校: # 新增学校字段 日期: {{date}} {{time}} 相关资源: [🔗]() 课程标签: #网课 #待整理 --- ## 🎯 核心知识点 ```dataview table 掌握程度 as 掌握, file.ctime as 创建日期, // 新增创建日期 file.mtime as 修改日期 // 新增修改日期 from #本节重点 sort file.ctime asc ``` ## 📝 课程内容 ### 一、章节主题 1. **关键概念** - 定义/公式:`$e=mc^2$` - 核心要点: - 要点1 - 要点2 → [[相关笔记]] ### 二、案例分析 ```mermaid graph LR A[问题] --> B(解决步骤1) B --> C{决策点} C -->|选项1| D[结果] C -->|选项2| E[结果] ``` ## ❓ 疑难问题 1. 待解决问题 → #待解答 - 当前理解: - 实验验证:`代码片段...` ## 🔗 知识关联 - 与本课相关:[[前导课程]] - 延伸学习:[[拓展阅读]] ## ✍️ 总结复盘 ### 记忆卡片 > [!question]- 什么是XXX? > 概念的精炼解释 ### 行动项 - [ ] 整理实验数据 - [ ] 复习[[关键公式推导]] ``` ## ✨ 升级说明 1. **学校字段**:在YAML元数据区新增`学校:` 行 2. **日期追踪**: - `file.ctime` 自动记录笔记创建日期 - `file.mtime` 自动更新最后修改日期 3. **动态排序**:`sort file.ctime asc` 按创建时间排序知识点 ## ⚠️ 使用注意 需安装Dataview插件才能正常显示日期字段,日期格式可通过`format(date(file.ctime), "yyyy-MM-dd")`自定义
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值