1.1 迁移学习
“温故而知新,可以为师矣”-----《论语.为政》
这句话大概的意思就是,在学习新知识的时候,如果能先对旧知识加以温习,可以获得新的理解和体会。凭借这样的能力,就可以当老师了。这意味着,在学习新知识的时候,可以寻找旧知识与新知识之间的相似点,帮助对新知识的理解和掌握。
从旧知识到新知识过程,可以看成是知识迁移。类似的引出迁移学习:
迁移学习可以利用数据、任务或模型之间的相似性,将旧领域学习过的模型和知识用于新的领域。
迁移学习与传统有监督机器学习差异:
**数据分布:**传统机器学习训练数据和测试数据服从相同分布;迁移学习训练数据和测试数据服从不同分布
**数据标注:**传统机器学习需要大量标注数据;迁移学习仅需要少量或者无标注的数据
模型:每个任务独立建模;模型可以在不同任务之间迁移
1.2 迁移学习必要性
(1)海量数据但标注数据少
(2)数据量大但计算资源有限
(3)数据量有限但需获得泛化能力强的模型
(4)通用模型与个性化模型
1.3 迁移学习研究领域
1.3.1 按特征空间分类
(1)同构迁移学习
(2)异构迁移学习
1.3.2 按监督信息分类
(1)有监督迁移学习
(2)半监督迁移学习
(3)无监督迁移学习
1.3.3 按学习方法分类
(1)基于实例的迁移学习方法
(2)基于特征的迁移学习方法
(3)基于模型的迁移学习方法
(4)基于关系的迁移学习方法
迁移学习系列--迁移学习入门(1)
最新推荐文章于 2023-05-29 18:06:24 发布