AITerms 登入
機器學習深度學習模型訓練

單樣本學習(One-shot Learning)是什麼?

單樣本學習是一種機器學習方法,旨在僅使用一個或少數幾個樣本來學習新的類別或概念,模擬人類快速學習的能力。

完整定義

單樣本學習(One-shot Learning)是一種機器學習技術,其目標是僅使用一個或極少數的訓練樣本來學習新的類別或概念。這種方法模擬了人類快速學習的能力,即通過觀察一個或幾個例子就能夠識別和理解新的事物。它與傳統機器學習方法需要大量訓練資料形成鮮明對比。

白話說明

你只看過一張新產品照片,會不會就能認出同系列其他圖片?

你可以把 單樣本學習 想成 只用很少樣本也要學會新類別。

標註資料很貴時特別重要,只靠一個或少量樣本,也要能認新類別 這件事就特別重要。

記住這句

只靠一個或少量樣本,也要能認新類別

比喻:單樣本學習就像小孩子看過一次貓咪照片,就立刻知道路上遇到的都是貓咪一樣 -- 它只需要看過一個或幾個例子,就能辨識出新的類別,學得很快。

容易混淆

單樣本學習 vs 傳統監督學習

傳統學習像學生要看很多很多貓咪的照片才能學會分辨,單樣本學習像天才學生,看幾張就懂了,效率高很多,但可能泛化能力沒那麼強。

最關鍵的區別:一個是一樣只看少數樣本,另一個是看更多幾個。

單樣本學習 vs Few-shot Learning

one-shot 只看一個或極少樣本,few-shot 會看幾個樣本

最關鍵的區別:樣本數差一點,方法設計就差很多。

實際案例

案例 1:新工廠只拍到一顆瑕疵零件,就先讓模型學會辨認

案例 2:客服系統只收到一個新品牌樣本,也要能先開始分類

演算法與應用

核心意思就是:只靠一個或少量樣本,也要能認新類別。

常靠度量學習、相似度比較和元學習來撐住泛化

重點不是背更多資料,而是學會怎麼從少量例子找共通點

情境判斷

Q2(判斷題): 只給一個樣本時,還能把準確率拉高嗎?

看情況,若類別差異明顯就有機會,若太像就要更多樣本

常見問題

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本