定義遷移學習的模型如下：設
測試資料：
其中測試資料是未標註的，我麼可以將訓練資料劃分為兩個資料集：
其中測試資料是不同分布的，現在的任務就是給定很少的源資料
tradaboost演算法
我們利用adaboost演算法的思想原理來解決這個問題，起初給訓練資料t中的每乙個樣例都賦予乙個權重，當乙個源域
可以看到，在每一輪的迭代中，如果乙個輔助訓練資料被誤分類，那麼這個資料可能和源訓練資料是矛盾的，那麼我們就可以降低這個資料的權重。具體來說，就是給資料乘上乙個
可以看到，tradaboost演算法在源資料和輔助資料具有很多的相似性的時候可以取得很好效果，但是演算法也有不足，當開始的時候輔助資料中的樣本如果雜訊比較多，迭代次數控制的不好，這樣都會加大訓練分類器的難度。
遷移學習演算法之TrAdaBoost
tradaboost演算法由來已久，具體演算法可以參考作者的原始文章，boosting for transfer learning。1.問題定義 傳統的機器學習的模型都是建立在訓練資料和測試資料服從相同的資料分布的基礎上。典型的比如有監督學習，我們可以在訓練資料上面訓練得到乙個分類器，用於測試資料。...
AdaBoost演算法原理
每個haar特徵對應看乙個弱分類器，但並不是任伺乙個haar特徵都能較好的描述人臉灰度分布的某一特點，如何從大量的haar特徵中挑選出最優的haar特徵並製作成分類器用於人臉檢測，這是adaboost演算法訓練過程所要解決的關鍵問題。paul viola和michael jones於2001年將ad...
Chord演算法（原理）
chrod 演算法是p2p中的四大演算法之一，是有mit 麻省理工學院 於2001年提出，其他三大演算法分別是 chord的目的是提供一種能在p2p網路快速定位資源的的演算法，cord並不關心資源是如何儲存的，只是從演算法層面研究資源的取得，因此chord的api就簡單到只有乙個set get。ch...