迁移学习资料。迁移学习与普通机器学习、深度学习最大的不同在于放宽了训练数据和测试数据必须满足独立同分布的假设和解决有标签训练样本匮乏的问题.

  1. 迁移学习研究进展
  • 根据按源领域和目标领域样本是否标注以及任务是否相同划分分类:
    • 目标领域中有少量标注样本的归纳迁移学习
    • 只有源领域中有标签样本的直推式迁移学习
    • 源领域和目标领域都没有标签样本的无监督迁移学习
  • 按采用的技术分类:
    • 半监督学习(半监督学习、直推式学习和主动学习)
    • 基于特征选择方法(选择source domain和 target domain共有特征)
    • 基于特征映射方法(将source domain和target domain映射到高纬度)
    • 基于权重方法(赋予source domain和target domain样本不同的权重)
  1. A Survey on Transfer Learning
  • 名词解释:domain和task
  • 三个问题(重点是1和3):
    1. 迁移什么:提出了迁移哪部分知识的问题;
    2. 何时迁移:提出了哪种情况下迁移手段应当被运用
    3. 如何迁移:迁移学习的方式
  • 迁移什么
  • 如何迁移:
  • 两者关系