《表1 传统机器学习方法和不同类别迁移学习方法的关系》
目前,迁移学习方法可以从两个角度进行分类.基于“迁移什么”角度,已有方法可以细分为4类:基于特征的迁移学习、基于实例的迁移学习、基于参数的迁移学习和基于相关知识的迁移学习.基于“如何迁移”角度,已有方法可以细分为3类:(1)归纳式迁移学习:目标领域中有少量标注样本;(2)直推式迁移学习:只有源领域中有标签样本;(3)无监督迁移学习:源领域和目标领域都没有标签样本.表1总结了传统机器学习方法和不同类型的迁移学习方法间的关系.
图表编号 | XD0056206500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 倪超、陈翔、刘望舒、顾庆、黄启国、李娜 |
绘制单位 | 计算机软件新技术国家重点实验室(南京大学)、计算机软件新技术国家重点实验室(南京大学)、南通大学计算机科学与技术学院、计算机软件新技术国家重点实验室(南京大学)、南京工业大学计算机科学与技术学院、计算机软件新技术国家重点实验室(南京大学)、计算机软件新技术国家重点实验室(南京大学)、计算机软件新技术国家重点实验室(南京大学) |
更多格式 | 高清、无水印(增值服务) |