迁移学习详解

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
 

迁移学习基本概念：

迁移学习是较大的研究领域，广义的迁移学习涉及多种学习框架，如多任务学习、领域适配、方差偏移、样本选择偏置、概念漂移、鲁棒学习，而狭义的迁移学习包括数据集偏移、领域适配和多任务学习，本文主要研究数据集偏移和领域适配

按特征空间、类别空间、边缘分布、条件分布等问题因素在领域间的异同，迁移学习可大致地划分为图所示类型体系。本文主要研究同构迁移学习中的数据集偏移和领域适配。