Data Efficiency on 中文AI术语词典https://terms-en.ai-term-hub.com/zh/tags/data-efficiency/Recent content in Data Efficiency on 中文AI术语词典Hugozh-cnSat, 18 Jul 2026 11:44:45 +0000半监督学习https://terms-en.ai-term-hub.com/zh/terms/semi_supervised_learning/Sat, 18 Jul 2026 11:33:07 +0000https://terms-en.ai-term-hub.com/zh/terms/semi_supervised_learning/<h2 id="definition">Definition</h2> <p>半监督学习是一种混合训练范式，它利用少量标记数据和大量未标记数据。其核心假设是未标记数据的结构有助于学习决策边界。</p> <h3 id="summary">Summary</h3> <p>一种利用标记数据和未标记数据来提高模型准确性和泛化能力的机器学习方法。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>标记数据</li> <li>未标记数据</li> <li>自训练</li> <li>流形假设</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>标注有限的图像分类</li> <li>标签稀疏的文本情感分析</li> <li>专家数据稀缺的医疗诊断预测</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/supervised-learning-%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">Supervised learning (监督学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/unsupervised-learning-%E6%97%A0%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">Unsupervised learning (无监督学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/active-learning-%E4%B8%BB%E5%8A%A8%E5%AD%A6%E4%B9%A0/">Active learning (主动学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/self-supervised-learning-%E8%87%AA%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">Self-supervised learning (自监督学习)</a></li> </ul>协同训练https://terms-en.ai-term-hub.com/zh/terms/co_training/Sat, 18 Jul 2026 11:10:07 +0000https://terms-en.ai-term-hub.com/zh/terms/co_training/<h2 id="definition">Definition</h2> <p>该方法利用同一数据点的多个不同特征集（视图）。最初，在每个视图的小规模标注数据集上训练两个分类器。随后，它们对未标记数据进行预测，并仅选择高置信度的标签来辅助对方模型的训练。</p> <h3 id="summary">Summary</h3> <p>协同训练是一种半监督学习算法，利用数据的两个视图训练独立的分类器，这些分类器迭代地为彼此标记未标记数据。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>半监督学习</li> <li>多视图</li> <li>迭代标记</li> <li>高置信度选择</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>具有多特征的文本分类</li> <li>网页分类</li> <li>有限标签下的数据增强</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/semi-supervised-learning-%E5%8D%8A%E7%9B%91%E7%9D%A3%E5%AD%A6%E4%B9%A0/">Semi-Supervised Learning (半监督学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/self-training-%E8%87%AA%E8%AE%AD%E7%BB%83/">Self-Training (自训练)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/multi-view-learning-%E5%A4%9A%E8%A7%86%E5%9B%BE%E5%AD%A6%E4%B9%A0/">Multi-view Learning (多视图学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/active-learning-%E4%B8%BB%E5%8A%A8%E5%AD%A6%E4%B9%A0/">Active Learning (主动学习)</a></li> </ul>单样本学习https://terms-en.ai-term-hub.com/zh/terms/one_shot/Sat, 18 Jul 2026 10:57:10 +0000https://terms-en.ai-term-hub.com/zh/terms/one_shot/<h2 id="definition">Definition</h2> <p>单样本学习是少样本学习的一种特定形式，算法在训练期间仅看到一个正例后，必须能够泛化到新类别或新任务。这种方法模仿了人类</p> <h3 id="summary">Summary</h3> <p>一种学习范式，模型仅通过一个带标签的示例即可学会执行某项任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>少样本学习</li> <li>特征提取</li> <li>相似度度量</li> <li>泛化能力</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>样本有限的 facial recognition（人脸识别）</li> <li>笔迹识别</li> <li>基于罕见病例的医疗诊断</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/few-shot-%E5%B0%91%E6%A0%B7%E6%9C%AC/">few-shot (少样本)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/zero-shot-%E9%9B%B6%E6%A0%B7%E6%9C%AC/">zero-shot (零样本)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/meta-learning-%E5%85%83%E5%AD%A6%E4%B9%A0/">meta-learning (元学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/siamese-networks-%E5%AD%AA%E7%94%9F%E7%BD%91%E7%BB%9C/">siamese networks (孪生网络)</a></li> </ul>少样本https://terms-en.ai-term-hub.com/zh/terms/few_shot/Sat, 18 Jul 2026 10:56:23 +0000https://terms-en.ai-term-hub.com/zh/terms/few_shot/<h2 id="definition">Definition</h2> <p>少样本学习使机器学习模型能够从极其有限的数据中进行泛化，通常每个类别仅需一到十个示例。与需要数千个示例的传统监督学习不同，少样本学习利用预训练模型中提取的通用特征，使其能够在新任务上快速适应并表现良好。</p> <h3 id="summary">Summary</h3> <p>一种学习范式，模型在仅接触少量标注示例后便能正确执行任务。</p> <h2 id="key-concepts">Key Concepts</h2> <ul> <li>元学习</li> <li>泛化能力</li> <li>标签效率</li> <li>预训练</li> </ul> <h2 id="use-cases">Use Cases</h2> <ul> <li>罕见病诊断</li> <li>聊天机器人中的自定义意图识别</li> <li>有限数据下的领域自适应</li> </ul> <h2 id="related-terms">Related Terms</h2> <ul> <li><a href="https://terms-en.ai-term-hub.com/en/terms/zero_shot-%E9%9B%B6%E6%A0%B7%E6%9C%AC/">zero_shot (零样本)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/one_shot-%E5%8D%95%E6%A0%B7%E6%9C%AC/">one_shot (单样本)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/transfer_learning-%E8%BF%81%E7%A7%BB%E5%AD%A6%E4%B9%A0/">transfer_learning (迁移学习)</a></li> <li><a href="https://terms-en.ai-term-hub.com/en/terms/meta_learning-%E5%85%83%E5%AD%A6%E4%B9%A0/">meta_learning (元学习)</a></li> </ul>