49、机器学习中的几种学习范式

机器学习中的几种学习范式

1. 迁移学习

迁移学习是一种在机器学习中十分重要的技术，它可以对样本集进行复用，目标模型仅需少量训练样本即可。在机器学习领域，迁移学习可从不同角度进行分类，主要有以下两种分类方式：

1.1 基于标签设置的分类

• 归纳式迁移学习
• 直推式迁移学习
• 无监督迁移学习

1.2 基于空间设置的分类

分类	说明
同质迁移学习	源模型和目标模型的输入空间同质，即 $X_S = X_T$。它又可进一步分为基于实例、基于特征（非对称、对称）、基于参数和基于关系的迁移学习
异质迁移学习	源模型和目标模型的输入空间异质，即 $X_S \neq X_T$。主要是基于特征的迁移学习（对称、非对称）

迁移学习的应用领域广泛，涵盖癌症亚型发现、建筑物房间利用率分析、文本分类和垃圾邮件过滤等。与迁移学习相关的一种学习技术是多任务学习，它尝试同时学习多个不同的任务，典型方法是揭示能使每个任务受益的潜在特征。

下面是迁移学习分类的 mermaid 流程图：

graph LR
    classDef st