迁移学习

迁移学习是机器学习领域的一种方法论，其核心思想是将在源任务或源领域中已习得的知识、模型参数或特征表示迁移应用到目标任务或目标领域中。该方法能有效降低目标任务对大规模标注数据的依赖，缩短模型训练周期，在自然语言处理、计算机视觉等领域被广泛应用。