第二章：迁移学习的理论基础与方法

文档摘要

第二章：迁移学习的理论基础与方法第二章：迁移学习的理论基础与方法迁移学习，作为机器学习领域的一个重要分支，旨在利用在一个或多个源任务上学习到的知识，来帮助解决一个不同但相关的目标任务。尤其是在数据稀缺或标注成本高昂的场景下，迁移学习展现出强大的生命力。本章将深入探讨迁移学习的理论基础、分类方法以及核心策略。 2.1 迁移学习的分类：按迁移方式迁移学习可以根据其在源领域和目标领域之间数据可用性以及标签信息的不同，被划分为多种类型。最常见的分类方式是根据迁移学习的“迁移方式”进行划分，主要包括归纳式迁移学习、直推式迁移学习和无监督迁移学习。 2.1.1 归纳式迁移学习 (Inductive Transfer Learning) 归纳式迁移学习关注的是源任务和目标任务标签空间不同的情况。