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。