《表5 非迁移模型测试结果》
作为对比,本文采用非迁移学习方式,以相同的数据、相同的架构和相同的随机种子取值,训练对应的分类模型。在测试集上的效果如表5所示。可以看到,若不使用迁移学习方式,对同样的训练数据进行模型拟合时,获得分类器模型的效果是比较差的。回顾表4中模型准确率都达到85.28%以上,而表5中最高的准确率只有55.18%,差距超过30%,非常显著。这说明相对于普通的机器学习模型训练方式,迁移学习所需的数据量要小很多。而从另一个角度来讲,对于小规模标注数据量,使用迁移学习可以显著提升分类模型的效果。而这种标注数据量的差异,对应的就是大量的时间和人力成本。
图表编号 | XD00227030200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.25 |
作者 | 王树义、刘赛、马峥 |
绘制单位 | 天津师范大学管理学院、天津师范大学管理学院、天津师范大学管理学院 |
更多格式 | 高清、无水印(增值服务) |