迁移学习基础知识（一）——分类及应用

 

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