Transfer Learning（迁移学习）

迁移学习是一种将源领域学到的知识迁移到目标领域的方法，旨在解决目标领域数据不足的问题。它通过微调预训练模型或特征对齐，提升目标任务的性能。典型应用包括图像分类中的预训练模型微调（如ResNet）和自然语言处理中的BERT微调。