迁移学习基础知识（一）——分类及应用
一、迁移学习可应用于多个领域：解决标注数据稀缺性非平稳泛化误差分析自然语言处理计算机视觉医疗健康和生物信息学
·
适合入门：机器学习的明天——迁移学习
一、迁移学习分类：
按照目标域有无标签，迁移学习可以分为监督迁移学习，半监督迁移学习，无监督迁移学习；
按照学习方法分类，迁移学习可以分为基于样本的迁移学习方法（权重重用），基于特征的迁移学习方法（变换特征到表征一致的空间，或者使其相似），基于模型的迁移学习方法（参数共享），基于关系的迁移学习方法（挖掘和利用关系进行类比迁移，研究较少）；
按照特征分类，迁移学习可以分为同构迁移学习，异构迁移学习；（同构：特征语义和维度都相同；图片到文本的迁移为异构迁移学习）
按照离线和在线形式可以分为离线迁移学习，在线迁移学习（随着数据的动态加入，迁移学习算法可以不断地更新）。
二、迁移学习可应用于多个领域：
解决标注数据稀缺性
非平稳泛化误差分析
自然语言处理
计算机视觉
医疗健康和生物信息学
更多推荐
2
0- 0
已为社区贡献1条内容
所有评论(0)