- 分类
- 按照特征分类
- 当源域和目标域含有一些共同的交叉特征时,我们可以通过特征变换,将源域和目标域的特征变换到相同空间,使得该空间中源域数据与目标域数据具有相同分布的数据分布,然后进行传统的机器学习。
- 基于模型的迁移,源域和目标域共享模型参数,也就是将之前在源域中通过大量数据训练好的模型应用到目标域上进行预测。
- 基于关系的迁移学习方法
- 当两个域是相似的时候,那么它们之间会共享某种相似关系,将源域中学习到的逻辑网络关系应用到目标域上来进行迁移,比方说生物病毒传播规律到计算机病毒传播规律的迁移。这部分的研究工作比较少。典型方法就是mapping的方法。
- 按照特征分类
- 前提:数据集比较小想用深度学习
机器学习-迁移学习
于 2023-10-13 19:12:00 首次发布
本文探讨了在源域和目标域具有共同特征时如何通过特征变换实现迁移学习,包括基于模型的参数共享和基于关系的逻辑网络映射。特别提到在数据集较小的情况下,如何利用深度学习进行迁移,强调了相似性在迁移过程中的重要性。
摘要由CSDN通过智能技术生成