Transferlernen (Transfer Learning) bezeichnet im maschinellen Lernen die Methode, bei der Wissen aus einer Quellaufgabe auf eine Zielaufgabe übertragen wird, um die Lernleistung zu verbessern.
Dies geschieht häufig durch die Verwendung vortrainierter Modelle, deren Parameter als Ausgangspunkt für das Training auf der Zielaufgabe dienen.
Die Herausforderung liegt darin, geeignete Repräsentationen zu finden, die generalisierbar sind und Überanpassung (Overfitting) vermeiden.
Transferlernen umfasst verschiedene Szenarien, darunter domänenübergreifendes Lernen, Mehraufgabenlernen und Few-Shot-Lernen.
Definition:
„Transfer learning aims to improve learning in a new task through the transfer of knowledge from a related task that has already been learned.”
Quelle:
Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345-1359.