机器学习算法：迁移学习

1.前言

当处理特定领域内的实际问题时，往往难以获取足够规模的数据以支持模型的构建。但在某一模型训练任务中，针对某类数据所学到的关联关系，通常可以便捷地迁移到该领域的其他相关问题中。此类技术被称作迁移学习（Transfer Learning）。

Qiang Yang与Sinno Jialin Pan在IEEE Transactions on Knowledge & Data Engineering期刊第22卷中发表了题为“A Survey on Transfer Learning”的文章，该文刊登于2010年10月，页码为1345–1359，DOI编号为10.1109/TKDE.2009.191。

2.区分监督学习、半监督学习、迁移学习、自我学习

【

举一个典型的实例，即区分大象与犀牛。

1. 在监督学习的场景下，我们拥有大量已标注的大象图像和犀牛图像，随后通过训练分类模型来完成识别任务，这一过程是众所周知的。
2. 针对迁移学习而言，假设我们手头已有大量且已标记的羊和马