【小样本基础】有监督小样本，半监督小样本，无监督小样本

本篇博客探讨的主要是小样本的分类问题

1. 问题定义

• 小样本分类问题是指只在给定少量的有标注训练样本上进行深度神经网络模型的训练，以得到可以在未见过的测试数据集上既有强泛化能力的分类模型。

这里的“未见过”的测试数据集指的是训练数据与测试数据是分离的，并不特指分类的类别是该模型没见过的。

• 由于训练数据很少，通常会导致深度神经网络出现过拟合的问题。
• 为了解决过拟合问题，需要大量的辅助数据（源数据）来帮助深度模型在目标数据上学习，根据源数据与目标数据在数据分布和类别分布是否相同、以及源数据是否具有标注可以将小样本问题分为三类：有监督小样本、半监督小样本、无监督小样本。