迁移学习方法和理论

迁移学习之方法

1、迁移学习方法

一、基于样本权重迁移法

基于样本权重的迁移方法是解决迁移学习问题的有效方法之一。在迁移学习中，给定一个 D t = { X i , y i } i = 1 N s 和一个无标签的目标域 D t = { X j } j = 1 N t D_t={\{X_i,y_i}\}^{N_s}_{i=1}和一个无标签的目标域D_t={\{X_j}\}^{N_t}_{j=1} Dt​={ Xi​,yi​}i=1Ns​​和一个无标签的目标域Dt​={ Xj​}j=1Nt​​。两个领域的联合概率分布不同,即$P_s(x,y)\ne P_t(x,y)<$