迁移学习

常见的迁移学习方法分类：

基于实例的迁移：通过权重重用源域和目标域的样例进行迁移。

基于特征的迁移：将源域和目标域的特征变换到相同的空间。

基于模型的迁移：将源域和目标域的参数共享模型。

基于关系的迁移：利用源域中逻辑网络关系进行迁移。

 

同构迁移学习是特征相同或者特征维度相同，异构迁移学习是特征不同或者特征维度不同，监督学习，半监督，无监督学习主要是目标域不同。

 

 

 

 源域和目标域特征的分布情况不一样。

 

 

 

 

 

 

 

 

 

 效果最好的适配方式就是联合分布适配。

 

 

 

 看源域和目标域用一个分类器能不能分开，然后计算源域和目标域的distance，计算两个比值作为平衡因子。