《表1 传统的机器学习和迁移学习的比较》
合理应用迁移学习可作为传统机器学习算法的补充,解决其无法解决的问题,传统机器学习和迁移学习从域和任务两个角度的对比如表1所示。但如何避免“负迁移”是应用迁移学习时不可避免的问题。有效避免“负迁移”需考虑两个问题:“迁移什么”以及“如何迁移”。从“迁移什么”层面上看,Pan等[19]将迁移学习分为四类,即基于实例的迁移学习、基于特征表示的迁移学习、基于参数的迁移学习和基于知识关系的迁移学习。而在“如何迁移”层面上,不同任务场景中有不同的迁移方法,接下来将以跨领域推荐场景为例重点阐述如何展开有效知识迁移。
图表编号 | XD00190593300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.11.01 |
作者 | 任豪、刘柏嵩、孙金杨 |
绘制单位 | 宁波大学信息科学与工程学院、宁波大学信息科学与工程学院、宁波大学信息科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |