域适应（Domain Adaptation）与迁移学习（Transfer Learning）的关系

《A Survey on Tranfer Learning》

Pan S J, Yang Q. A survey on transfer learning. IEEE Transactions on Knowledge and Data Engineering, 2010, 22(10): 1345–1359.

可以得出初步的结论：域适应是迁移学习的一个子方向。文章根据源域（Source Domain）和目标域（Target Domain）样本是否标注以及任务是否相同或是否单一对迁移学习进行了划分：

• 归纳迁移学习（inductive transfer learning）：目标领域中有少量标注样本
• 直推式迁移学习（transductive transfer learning）：只有源领域中有标签样本
• 无监督迁移学习（unsupervised transfer learning）：源领域和目标领域都没有标签样本

《深度域适应综述: 一般情况与复杂情况》

范苍宁，刘鹏，肖婷，赵巍，唐降龙．深度域适应综述: 一般情况与复杂情况．自
动化学报. https://doi.org/10.16383/j.aas.c200238

域适应与迁移学习都是在源域目标域边缘概率分布不同条件下解决如何使用源域数据来预测目标域数据标签的问题. 与迁移学习相比, 域适应还需要保证源域目标域的标签空间和特征空间都相同且条件概率分布相同. 域适应是一种背景条件约束更加严格的迁移学习问题。