我混合了两个深度模型,如下所示:
if model A is YES --pass to B--> if model B is YES--> result = YES
if model A is NO ---> result = NO
所以基本上模型 B 验证 A 是否在说YES. 我的模型实际上是相同的,但在相同输入的两个不同特征集上进行了训练。
这种混合在机器学习术语中叫什么?我只是称它们为主/从架构,或主/次模型。
我混合了两个深度模型,如下所示:
if model A is YES --pass to B--> if model B is YES--> result = YES
if model A is NO ---> result = NO
所以基本上模型 B 验证 A 是否在说YES. 我的模型实际上是相同的,但在相同输入的两个不同特征集上进行了训练。
这种混合在机器学习术语中叫什么?我只是称它们为主/从架构,或主/次模型。
不是在模型方面,而是有一个称为“分层学习”的术语,其中如果您的模型有对疾病进行分类的任务,那么,如果它检测到疾病的存在(疾病/无疾病),那么它会继续进行对疾病进行分类(A/B/C/...类)。否则它不会继续。这种分层学习技术在监督学习任务中非常常见。
现在根据您的问题,您有两个模型,我假设它们具有不同的任务并提供二元结果(是/否)。在这里,您可以将其称为“多任务学习”,其中 task1 的输出被提供给 task2 进行处理。如果 task1 检测到疾病的存在,则 task2 将疾病分类为各种类别/或对其进行分割/定位等。