第6章
统计特征变换迁移法

本章讲述基于统计特征变换的迁移学习方法。与样本权重自适应的迁移方法相比，此类方法研究成果丰富、迁移效果较好，尤其是与深度表征学习结合后，受到了极大的关注，近几年来一直是研究的热点。

严格来说，统计特征不可胜数，从常见的均值、方差，到二阶距、高阶距，再到假设检验等，本书不可能一一讲解，这也足见统计学的魅力之大。因此，我们仅关注几种被广泛研究的统计特征变换方法，以此为例来讲解各种方法的思想与学习模式。

本章内容的组织安排如下。6.1节介绍统计特征迁移法的问题定义，6.2节介绍基于最大均值差异的迁移方法，6.3节介绍基于度量学习的迁移方法，6.4节给出本章的配套上手实践代码，最后，6.5节对本章内容进行总结。