- 分类
- 按照特征分类
- 当源域和目标域含有一些共同的交叉特征时,我们可以通过特征变换,将源域和目标域的特征变换到相同空间,使得该空间中源域数据与目标域数据具有相同分布的数据分布,然后进行传统的机器学习。
- 基于模型的迁移,源域和目标域共享模型参数,也就是将之前在源域中通过大量数据训练好的模型应用到目标域上进行预测。
- 基于关系的迁移学习方法
- 当两个域是相似的时候,那么它们之间会共享某种相似关系,将源域中学习到的逻辑网络关系应用到目标域上来进行迁移,比方说生物病毒传播规律到计算机病毒传播规律的迁移。这部分的研究工作比较少。典型方法就是mapping的方法。
- 按照特征分类
- 前提:数据集比较小想用深度学习
机器学习-迁移学习
小蒋的技术栈记录2023-10-16 13:37
相关推荐
jndingxin2 小时前
OpenCV CUDA模块设备层-----高效地计算两个 uint 类型值的带权重平均值Sweet锦3 小时前
零基础保姆级本地化部署文心大模型4.5开源系列hie988943 小时前
MATLAB锂离子电池伪二维(P2D)模型实现晨同学03273 小时前
opencv的颜色通道问题 & rgb & bgr蓝婷儿4 小时前
Python 机器学习核心入门与实战进阶 Day 3 - 决策树 & 随机森林模型实战大千AI助手4 小时前
PageRank:互联网的马尔可夫链平衡态小和尚同志4 小时前
Cline | Cline + Grok3 免费 AI 编程新体验我就是全世界4 小时前
TensorRT-LLM:大模型推理加速的核心技术与实践优势.30-06Springfield4 小时前
决策树(Decision tree)算法详解(ID3、C4.5、CART)我不是哆啦A梦4 小时前
破解风电运维“百模大战”困局,机械版ChatGPT诞生?