摘要:迄今为止,机器学习基本建立在一个很强的假设之上:即训练数据与测试数据分布相同。这一假设在许多实际应用当中并不成立。 比如,在互联网的数据挖掘中,网页的分布就可能会过时。这一缺陷会导致分类器功能大大下降, 而重新获取并标注新的数据在许多应用中也不现实。这是一个叫做迁移学习的问题。 问题的关键就在于,我们能否学会“举一反三”。我在这一讲座中,将与大家回顾并总结迁移学习的来龙去脉,并系统描述我们最近在这一方面的研究进展。
版权所有:杭州点赞科技有限公司 | 浙ICP备16039906号 Copyright©2016 itdks.com
—— 点击加载更多 ——
收起