问对表格数据的零输入学习？

EN

零进学习是一种机器学习，它允许模型对以前看不见的数据进行预测。它通常用于自然语言处理和计算机视觉任务，在这些任务中，手动标记模型可能遇到的所有可能的类是困难的或不切实际的。对表格数据的零目标学习是一个活跃的研究领域，但它可能具有挑战性，因为表格数据通常缺乏使其他类型的数据(如图像和文本)更容易实现零目标学习的内在结构。

一种对表格数据进行零目标学习的方法是使用一个多任务学习框架，在该框架中对模型进行训练，以同时预测多个相关目标变量。其思想是，通过对相关任务的训练，该模型可以学习一个公共表示，该表示可以转移到未知的目标变量中。

另一种方法是使用元学习，在这种方法中，通过基于少量示例调整其参数来训练模型快速学习新任务。在对表格数据进行零输入学习的情况下，将对模型进行各种相关任务的培训，然后对未知目标变量中的少量示例进行微调，以便对该变量进行预测。

这两种方法都已应用于各种类型的表格数据，如医疗记录、客户数据和财务数据。您可以在以下文章中找到更多有关特定论文的信息和参考资料：零起点学习研究综述。

• 在“零镜头分类元学习”(Ravi and Larochelle，2017)一文中，作者提出了一种用于表格数据零镜头分类的元学习算法，该算法学习将数据点映射到一个潜在空间，其中类似的点被映射到附近的位置。作者证明，在许多基准数据集上，他们的方法优于其他方法。
• 在“零镜头知识图学习”一书(Zhang等人，2018)中，作者提出了一种利用知识图来表示数据及其标签的表格数据零镜头学习方法。他们证明，在许多基准数据集上，他们的方法优于其他方法。