迁移学习 Transfer Learning
指利用数据、任务或模型之间的相似性，将在源领域学习过的模型，应用于目标领域的一种学习过程。迁移学习的核心是找到源领域和目标领域之间的相似性。
根据迁移场景的不同，迁移学习可分为归纳式迁移学习（Inductive TL）、直推式迁移学习（Transductive TL）和无监督迁移学习（Unsupervised TL）等。
