· 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。