Si está buscando una analogía que explique el concepto a un usuario no técnico (no está claro de la pregunta), estas son mis dos analogías favoritas:
Imagen que intentabas aprender análisis de sentimientos en mandarín. Eventualmente, podría descubrirlo si le mostramos suficientes ejemplos, pero tomaría mucho tiempo porque no tiene un nivel base de información útil para la tarea (en este caso, hablar mandarín). El aprendizaje por transferencia funciona bajo los mismos principios. Brindar a sus modelos un nivel básico de información, no específicamente relacionado con la tarea en cuestión, que aún mejora su capacidad para realizar la nueva tarea.
En el lado de la imagen trato de explicar cómo enseñarle a un bebé qué es un tigre. Dado que un bebé no sabe nada sobre el mundo, eventualmente lo descubrirán, pero llevará mucho tiempo y requerirá más ejemplos. Compare esto con enseñarle a un niño lo que es un tigre. Es posible que no sepan qué es un tigre, pero puede decirles que un tigre es un gran gato naranja con rayas, y porque entienden esos conceptos básicos (grande, naranja, gato, rayas), pueden aprender el nuevo objeto (un tigre) más rápido.
- ¿Por qué las redes neuronales artificiales se usan ampliamente en la clasificación de imágenes?
- Cómo saber si mi modelo de regresión es heteroscedastic u homoscedastic de mi modelo de residuos
- ¿Cómo explicaría el concepto de una capa convolucional en una red profunda a una persona no técnica?
- ¿Es necesario un conjunto de validación si no se realiza un ajuste de hiperparámetro?
- ¿Hay algún otro clasificador de aprendizaje profundo como softmax?
