· 轉載請註明出處網址~
· 交流討論、合作諮詢請添加微信:yx_imagination
------------------------------------------------分割線-----------------------------------------------
1:什麼是遷移學習?
通俗講,機器學習領域,如果從0開始學習知識,成本高,速度慢。如果運用相關知識進行輔助學習,會大大降低成本,節省時間。因此,找到兩者的相似性,利用這個橋樑幫助學習新知識,就是遷移學習的內容。
2:什麼是源域?
已學習過的知識。
3:什麼是目標域?
待學習的知識。
4:遷移學習與傳統的機器學習有什麼區別?
傳統的機器學習對不同的學習任務建立不同的模型,遷移學習利用源域中的數據將知識遷移到目標域,完成模型的建立。
5:遷移學習的分類?
基於樣本的遷移;基於特徵的遷移;基於模型的遷移;基於關係的遷移。
6:上述4類有什麼區別和特點?
基於樣本的遷移:通過源域中帶標記的樣本,在建立模型時進行加權,完成在目標域的建模。
基於特徵的遷移:通過將源域和目標域映射到同一個空間,最小化源域與目標域之間的距離,進而完成知識的遷移。
基於模型的遷移:將源域和目標域的模型與楊版本結合起來,調節模型的參數。
基於關係的遷移:通過在源域中學習概念之間的關係,然後將其類比到目標域中,完成知識的遷移。
7:什麼是負遷移?
源域和目標域之間相似度不夠,導致遷移不但沒起作用,反而起到了相反的效果。