《迁移学习研究现状的文献综述》2200字.docx

迁移学习研究现状的文献综述

大多数机器学习算法都建立在训练集与测试集数据所处的特征空间相同及数据分布均相同这一基本假设之上。但是当前很多应用场景并不满足这一先决条件。在处理很多问题的过程中，往往只在某一个数据域中有足够的数据，但目标是处理另一具有不同数据分布的数据域中的任务。在这种情况下，传统的机器学习算法难以对具有不同分布的数据进行处理，面临着失效的风险。迁移学习技术的提出即是为了用于解决此类问题[38]。迁移学习旨在将模型利用一个数据域中学习到的知识迁移到另一个缺乏足够样本的数据域中，以提高模型在新数据域中的任务上的性能。

传统的机器学习方法往往是所有样本数据混合构成训练集进行模型训练，忽