迁移学习(Transfer Learning)的背景、历史

已于 2022-08-08 10:31:34 修改
阅读量718 收藏 4
点赞数
CC 4.0 BY-SA版权
文章标签： 数据挖掘 机器学习 人工智能
于 2022-08-08 09:57:19 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_72579657/article/details/126221803
迁移学习旨在解决训练数据有限和数据分布变化的问题，通过将一个领域的知识转移到另一个领域，提高目标领域的学习效果。该概念源于人类的学习能力，自1995年以来不断发展，涉及领域与任务的定义、边缘分布和条件概率等多个方面。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

迁移学习(Transfer Learning)的背景、历史

迁移学习的背景、历史及学习

1、迁移学习提出背景

    在机器学习、深度学习和数据挖掘的大多数任务中，我们都会假设training和inference时，采用的数据服从相同的分布（distribution）、来源于相同的特征空间（feature space）。但在现实应用中，这个假设很难成立，往往遇到一些问题：

最低0.47元/天 解锁文章

200万优质内容无限畅学
m0_72579657
关注
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值