マルチタスク学習 (multitask learning)† 関連する複数のタスクを同時に学習させることで,これらのタスクに共通の要因を獲得させ,タスクの予測精度を向上させるのがマルチタスク学習.古典的には,ニューラルネットの中間層で共通要因を獲得させていた.最近では,転移学習で,複数のドメイン間で相互に転移するような場合で,階層ベイズなどで共通の要因を獲得している. ↑ マルチタスク学習がうまくいく理由† 基本文献ではマルチタスク学習がうまく動作する理由として次のものを挙げている データ拡張 (data amplification):共通する因子がある複数タスクがあれば,共通因子のノイズがタスク間のキャンセルで緩和される 特徴選択:複数のタスクを同時に学習させることで,それらのタスクで共通に有用な特徴が選ばれ易くなる. 立ち聞き (eavesdropping):タスク間で学習の難易度に差