样本权重迁移法

1. 样本权重迁移法。此类方法学习目标是学习源域样本的权重 $v_i$。

2. 特征变换迁移法。此类方法对应于 $v_i=1,\mathrm{\forall }i$，目标是学习一个特征变换 $T$ 来减小正则化项 $R(\cdot ,\cdot )$。

3. 模型预训练迁移法。此类方法对应于 $v_i=1,\mathrm{\forall }i,R(T({\mathcal{D}}_s),T({\mathcal{D}}_t)):=R({\mathcal{D}}_t;f_s)$。在此种方法下，目标是如何将源域的判别函数 $f_s$ 对目标域数据进行正则化和微调。