1.迁移学习的概念
2.迁移学习的分类
3.模型融合(超级经典的图)
1.迁移学习
与前两年比,机器学习已经升级为迁移学习。机器学习假定的式训练集->测试集数据分布式一致的,或者叫数据特征一致,而迁移学习应用的是两者不一致的情况下。
所谓迁移学习有两个重要的概念:域(数据)-任务(要完成的事情).
在机器学习里 :原域(训练集)->目标域(测试集)。
2.迁移学习的分类
目标任务 | 源域 | 目标域 | |
---|---|---|---|
归纳式 | 不同相关 | 无所谓是否相同 | 无所谓是否相同 |
直推式 | 相同 | 许多可获得的带标记的数据 | 少量带标记的数据 |
无监督 | 无带标签数据 | 无带标签数据 |
3.模型融合
无非两类:分类+回归