簡介： 遷移學習作為機器學習的一大分支，已經取得了長足的進步。本手冊簡明地介紹遷移學習的概念與基本方法，并對其中的領域自適應問題中的若干代表性方法進行講述。最后簡要探討遷移學習未來可能的方向。 本手冊編寫的目的是幫助遷移學習領域的初學者快速入門并掌握基本方法，為自己的研究和應用工作打下良好基礎。 本手冊的編寫邏輯很簡單：是什么——介紹遷移學習；為什么——為什么要用遷移學習、為什么能用；怎么辦——如何進行遷移 (遷移學習方法)。其中，是什么和為什么解決概念問題，這是一切的前提；怎么辦是我們的重點，也占據了最多的篇幅。為了最大限度地方便初學者，我們還特別編寫了一章上手實踐，直接分享實現代碼和心得體會。
作者簡介： 王晉東，現于中國科學院計算技術研究所攻讀博士學位，研究方向為遷移學習、機器學習等。他在國際權威會議ICDM、UbiComp等發表多篇文章。同時，也是知乎等知識共享社區的機器學習達人（知乎用戶名：王晉東不在家）。他還在Github上發起建立了多個與機器學習相關的資源倉庫，成立了超過120個高校和研究所參與的機器學習群，熱心于知識的共享。個人主頁：//jd92.wang
目錄：
- 遷移學習基本概念
- 遷移學習的研究領域
- 遷移學習的應用
- 基礎知識
- 遷移學習的基本方法
- 第一類方法：數據分布自適應
- 第二類方法：特征選擇
- 第三類方法：子空間學習
- 深度遷移學習
- 上手實踐
- 遷移學習前沿
付費5元查看完整內容
相關內容
機器學習使用來自各種數學領域的工具。本文件試圖提供一個概括性的數學背景，需要在入門類的機器學習，這是在加州大學伯克利分校被稱為CS 189/289A。
//people.eecs.berkeley.edu/~jrs/189/
我們的假設是讀者已經熟悉多變量微積分和線性代數的基本概念(達到UCB數學53/54的水平)。我們強調，本文檔不是對必備類的替代。這里介紹的大多數主題涉及的很少;我們打算給出一個概述，并指出感興趣的讀者更全面的理解進一步的細節。
請注意，本文檔關注的是機器學習的數學背景，而不是機器學習本身。我們將不討論特定的機器學習模型或算法，除非可能順便強調一個數學概念的相關性。
這份文件的早期版本不包括校樣。我們已經開始在一些證據中加入一些比較簡短并且有助于理解的證據。這些證明不是cs189的必要背景，但可以用來加深讀者的理解。
付費5元查看完整內容
論文摘要：遷移學習的目的是通過遷移包含在不同但相關的源域中的知識來提高目標學習者在目標域中的學習性能。這樣可以減少對大量目標域數據的依賴，從而構建目標學習者。由于其廣泛的應用前景，轉移學習已經成為機器學習中一個熱門和有前途的領域。雖然已經有一些關于遷移學習的有價值的和令人印象深刻的綜述，但這些綜述介紹的方法相對孤立，缺乏遷移學習的最新進展。隨著遷移學習領域的迅速擴大，對相關研究進行全面的回顧既有必要也有挑戰。本研究試圖將已有的遷移學習研究進行梳理和梳理，并對遷移學習的機制和策略進行全面的歸納和解讀，幫助讀者更好地了解當前的研究現狀和思路。與以往的研究不同，本文從數據和模型的角度對40多種具有代表性的遷移學習方法進行了綜述。簡要介紹了遷移學習的應用。為了展示不同遷移學習模型的性能，我們使用了20個有代表性的遷移學習模型進行實驗。這些模型是在三個不同的數據集上執行的，即，亞馬遜評論，路透社-21578，Office-31。實驗結果表明，在實際應用中選擇合適的遷移學習模型是非常重要的。
關鍵詞：遷移學習 機器學習 域適應 可解釋性
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191