特征迁移旨在通过引入源数据特征来帮助完成目标数据特征域的机器学习任务。一个机器学习任务中，可能由于目标特征域缺少足够的标签而导致学习的效果很差。通过挖掘源数据与目标数据的交叉特征结构，或者借助中间数据进行“桥接”，可以帮助我们在目标数据特征上进行的机器学习任务实现不同特征空间之间的知识迁移。例如，我们在进行图片数据分类时缺少足够带有标记的训练数据，就可以借助已经标注好的文本数据，以及具有交叉特征的中间数据来协助提高在图片数据上的学习效果。在识别图片中花的种类的任务中，如果缺少花种类的标注数据，我们就可以通过自然带有标记的wiki等相关文本数据源获得带有标注的源数据以及同时具有文本和图片的中间数据，通过对特征空间的聚类来挖掘共同的特征结构，帮助提高这一学习任务的准确性。

继续阅读：习之   特征   机器

此文由 怡心湖 编辑，若您觉得有益，欢迎分享转发！：首页 > 常识论 » 迁移机器学习之特征迁移和关系迁移简介