Question

学习迁移的前提

Answer 1

学习迁移的前提是已有的知识背景。

迁移学习是一种机器学习方法，就是把为任务A开发的模型作为初始点，重新使用在为任务B开发模型的过程中。迁移学习与多任务学习以及概念飘移这些问题相关，它不是一个专门的机器学习领域。

然而，迁移学习在某些深度学习问题中是非常受欢迎的，例如在具有大量训练深度模型所需的资源或者具有大量的用来预训练模型的数据集的情况。仅在第一个任务中的深度模型特征是泛化特征的时候，迁移学习才会起作用。

迁移种类

1、正迁移与负迁移：根据迁移性质的不同进行的划分。

正迁移：是指一种学习对另一种学习产生积极的促进作用，如阅读技能的掌握有助于写作技能的形成。

负迁移：是指两种学习之间相互干扰、阻碍，如地方方言对学习普通话具有消极影响。

2、顺向迁移与逆向迁移：这是根据迁移方向的不同进行的划分。

顺向迁移：先前的学习对后来学习的影响。

逆向迁移：后继学习对先前学习的影响。

无论是顺向迁移或是逆向迁移，其产生的影响都有正负现象。

3、一般迁移与特殊迁移：由布鲁纳提出，根据迁移范围的大小划分。

一般迁移：也称普遍迁移、非特殊迁移，是将一种学习中习得的一般原理、方法、策略和态度等迁移到另一种学习中去，其迁移范围大。

具体迁移：也称特殊迁移，是把从一种学习中习得的具体的、特殊的经验直接迁移到另一种学习中去，其迁移范围小。

以上内容参考：百度百科—迁移