Machine learningMachine learning
正則化転移学習
正則化転移学習は、転移学習パイプラインに明示的なペナルティ項を適用し、新しいターゲットドメインに適応する際にモデルがソースドメインの知識からどれだけ離れるかを制御します。正則化器は、望ましくない転移（無関係なソースパターンのはるかに有害な持ち越し）を抑制しつつ、有益な共有表現を維持し、ターゲットドメインのラベルが少ない場合の過学習を防ぎます。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Pan, S. J., & Yang, Q. (2010). A survey on transfer learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359. DOI: 10.1109/TKDE.2009.191 ↗
- Li, Z., Nie, F., Chang, X., & Yang, Y. (2014). Beyond trace norm: Robust matrix recovery via bi-sparsity pursuit. In Proceedings of the International Joint Conference on Artificial Intelligence (IJCAI), pp. 1736–1742. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Regularized Transfer Learning (Regularization-Constrained Domain Adaptation). ScholarGate. https://scholargate.app/ja/machine-learning/regularized-transfer-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Few-shot Learning機械学習↔ compare
- 距離学習機械学習↔ compare
- 正則化ロジスティック回帰機械学習↔ compare
- 正則化ランダムフォレスト機械学習↔ compare
- 半教師あり転移学習機械学習↔ compare
- 転移学習機械学習↔ compare