迁移学习相关概念理解

迁移学习与主动学习：http://www.mamicode.com/info-detail-2720488.html
迁移学习不迁移个体特有的特征，迁移那些对所有个体都有贡献的特征
归纳迁移学习inductive（任务不同，域可能相同可能不同），直推式迁移学习transductive（任务相同，域可能相同可能不同），无监督迁移学习(源和目标均没有标签）

主动学习：使用较少的数据获得性能较好的分类器。active learning（在于选择样本）
通过算法查询最有用的未标记数据，然后使用查询到的样本训练分类模型提高模型精确度。主动学习器选择最不确定的那些样本提交给督导者进行标注。

半监督学习：纯半监督学习inductive、直推式学习transductive
主动学习
半监督和主动学习都是利用未标记数据的学习技术
主动学习需要借助外界，是交互进行的

直推学习（“封闭世界”）假设未标记的数据就是最终要用来测试的数据，学习的目的就是在这些数据上取得最佳泛化能力。相对应的，纯半监督学习（“开放世界”）在学习时并不知道最终的测试用例是什么。
迁移学习：https://blog.csdn.net/csdn_47/article/details/83107201
https://blog.csdn.net/sinat_22510827/article/details/86765479