在实际应用中，常常存在这样的问题：需要解决的学习任务所在的目标领域缺乏标记训练数据，而其他领域中存在大量训练数据，但这些训练数据与目标领域数据可能具有不同的数据分布甚至处于不同的特征空间。这种情况下，传统的机器学习方法常常失效，而迁移学习却恰好能解决这类问题。迁移学习是利用不同领域之间的相似性，将已存在的领域知识迁移到不同但相关的目标领域中，以便能更好解决该领域的学习问题的一类新的机器学习方法。目前，迁移学习已经成功应用于多个领域，包括人脸识别、图像分类、文本分类和目标检测等等。