18.简述将迁移学习分为归纳式迁移学习、直推式迁移学习、无监督迁移学习和领域自适应的依据。

将迁移学习分为归纳式迁移学习、直推式迁移学习、无监督迁移学习和领域自适应是基于数据和任务之间的关系进行分类的。具体介绍如下：

1. 归纳式迁移学习（inductive transfer learning）：源领域和目标领域的特征空间和输出空间不同，但是二者之间存在一定的映射关系，归纳式迁移学习的目标就是利用源领域中的知识来构建一个能够解决目标领域问题的模型。

2. 直推式迁移学习（transductive transfer learning）：源领域和目标领域中的特征空间和输出空间相同，但是数据分布不同，直推式迁移学习的目标是利用源领域中的数据来对目标领域中的数据进行标注。

3. 无监督迁移学习（unsupervised transfer learning）：源领域和目标领域中的数据都没有标注信息，无监督迁移学习的目标是将源领域中的知识转移到目标领域中去。

4. 领域自适应（domain adaptation）：源领域和目标领域之间存在一定的差异，但是这种差异并不是随机的，而是有规律可循的。因此，领域自适应的目标就是利用源领域中的知识来适应目标领域中的数据。