《表1 传统的机器学习和迁移学习的比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《面向知识迁移的跨领域推荐算法研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。