遷移學習基礎

讀A survey on Transfer Learning後的一些想法，僅供參考，若有錯誤還希望與大家多多交流。 1.什麼時候需要進行遷移學習：目前大多數機器學習算法均是假設訓練數據以及測試數據的特徵分佈相同。然而這在現實世界中卻時常不可行。例如我們我們要對一個任務進行分類，但是此任務中數據不充足（在遷移學習中也被稱爲目標域），然而卻又大量的相關的訓練數據（在遷移學習中也被稱爲源域），但是此訓練

>>阅读原文<<