区分迁移的类型-如何区分迁移分类

迁移分类是指在给定训练集的情况下，将数据分配到预定义的种别中。通常，迁移分类是一个多分类问题，其中每一个种别的标签是唯一的，并且具有不同的特点。

要辨别迁移分类，有以下几个方面需要斟酌：

1、 数据类型：迁移分类的数据可能来自于不同的源，例如图象、文本、音频等。因此，在进行分类时，需要根据具体的类型选择适合的模型和算法。

2、 数据散布：迁移分类的数据可能存在不平衡的情况，即某些种别的样本数量远大于其他种别的样本数量。在这类情况下，需要采取相应的措施来处理不平衡数据，如使用重采样技术或加权投票等方式。

3、 特点选择：对迁移分类任务，选择适当的特点是非常重要的。一般来讲，需要选择那些与目标变量有关的特点，并且尽量减少冗余的特点。

4、 模型性能评估：在进行迁移分类任务时，需要使用恰当的性能评估指标来衡量模型的表现。经常使用的评估指标包括准确率、召回率、F1分数、AUC-ROC曲线等。

5. 超参数调剂：为了提高模型的性能，需要对模型的超参数进行调剂。这些超参数包括学习率、正则化强度、批大小等。

辨别迁移分类需要斟酌数据类型、数据散布、特点选择、模型性能评估和超参数调剂等多个方面。

学习的迁移有哪几种分类？

一、根据迁移发生的方向划分：顺向迁移、逆向迁移

(1)顺向迁移：先前学习对后继学习的影响。

(2)逆向迁移：后继学习对先前学习的影响。

二、根据迁移的性质和结果划分：正迁移、负迁移

(1)正迁移：一种学习对另一种学习产生积极的促进影响作用。

(2)负迁移：一种学习对另一种学习产生消极阻碍的影响。

三、根据迁移内容的抽象与概括水平不同划分：水平迁移、垂直迁移

(1)水平迁移(横向迁移)：处于同一抽象和概括水平的经验之间的相互影响。

(2)垂直迁移(纵向迁移)：处于不同抽象、概括水平的经验之间的相互影响。

四、根据迁移的内容不同划分：一般迁移、特殊迁移

(1)一般迁移(非特殊迁移、普遍迁移)：是指在一种学习中所习得的一般原理、原则和态度对另一种具体内容学习的影响，即原理、原则和态度的具体应用。

(2)具体迁移(特殊迁移)：指学习者原有的经验组成要素及其结构没有变化，只是将习得的经验要素重新组合并移用到另一种学习之中，即具体经验迁移到另一种学习。

五、根据迁移过程中所需的内在心理机制不同划分：同化性迁移、顺应性迁移、重组性迁移

(1)同化性迁移：指不改变原有的认知结构，直接将原有的认知经验应用到本质特征相同的一事物中。

(2)顺应性迁移：指改变原有的认知结构，使原有认知经验能适应外界的变化。

(3)重组性迁移：在重组过程中，基本经验成分不变，但各成分间的结合关系发生了变化，即进行了调整或重新组合。