1：什么是迁移学习？
通俗讲，机器学习领域，如果从0开始学习知识，成本高，速度慢。如果运用相关知识进行辅助学习，会大大降低成本，节省时间。因此，找到两者的相似性，利用这个桥梁帮助学习新知识，就是迁移学习的内容。
2：什么是源域？
已学习过的知识。
3：什么是目标域？
待学习的知识。
4：迁移学习与传统的机器学习有什么区别?
传统的机器学习对不同的学习任务建立不同的模型，迁移学习利用源域中的数据将知识迁移到目标域，完成模型的建立。
5：迁移学习的分类？
基于样本的迁移；基于特征的迁移；基于模型的迁移；基于关系的迁移。
6：上述4类有什么区别和特点？
基于样本的迁移：通过源域中带标记的样本，在建立模型时进行加权，完成在目标域的建模。
基于特征的迁移：通过将源域和目标域映射到同一个空间，最小化源域与目标域之间的距离，进而完成知识的迁移。
基于模型的迁移：将源域和目标域的模型与杨版本结合起来，调节模型的参数。
基于关系的迁移：通过在源域中学习概念之间的关系，然后将其类比到目标域中，完成知识的迁移。
7：什么是负迁移？
源域和目标域之间相似度不够，导致迁移不但没起作用，反而起到了相反的效果。