《表1 各种迁移学习方法的举例和描述》

  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

《基于迁移学习的电力通信网异常站点业务数量预测》

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

迁移学习是机器学习的一个新方向，它是利用已存在的知识对不同但相关的领域进行训练学习。迁移学习打破了传统机器学习所需满足的条件——训练数据和测试数据独立同分布，以及拥有足够的数据来训练一个好的模型[1]。研究表明，两个不同领域的相似度越高，迁移学习就越容易，效果越好，否则往往效果不佳，甚至出现“负迁移”的结果。迁移学习已经成功应用到多个领域[2]，如文本情感分析、图像分类、人类活动识别、软件缺陷分类和多语言文本分类等。表1总结了现有的各种迁移学习方法。