文章信息：We nyuan Dai，et al, 2007,'Boosting for Transfer Learning', International Conference on Machine Learning

文章简介与个人心得：
Problem: 利用同分布数据和不同分布数据来学习一个高质量的分类器
Motivation：本文指出很多数据已经“out-of-date”，即数据的分布和准备用于训练、测试的数据分布不同，但是我们想要尽可能地利用这些旧数据，从中学习有用的知识来迁移到新的分类问题，来帮助我们进行分类。
Idea:文章提出了TraAdaboost 算法，根据经典的adaboosti算法，利用同分布训练数据来挑选出不同分布数据当中有用的部分，以此降低分类的错误率。 同时，个人认为本文的idea看似简单，但工作完成得很漂亮。很值得我们去学习，对我们今后的工作有一些启示：一是要        对经典的机器学习算法理论要精通，如本文利用的adaboost。只有完全理解了，才能灵活运用。二是要学会将经典算法和新的学习思想结合起来。