迁移学习和领域自适应的区别是什么？

领域自适应 （Domain Adaptation）是迁移学习中的一种代表性方法，详细关系见下图。

领域自适应 问题定义为：源域（source domain）和目标域（target domain）共享相同的特征和类别，但是特征分布不同，如何利用信息丰富的源域样本来提升目标域模型的性能。 源域 表示与测试样本不同的领域，具有丰富的监督标注信息； 目标域 表示测试样本所在的领域，无标签或者只有少量标签。 源域和目标域往往属于同一类任务，但是分布不同。

此图源自杨强大佬的文章《A Survey on Transfer Learning》。

另外wiki上的Domain Adaptation词条也有类似的图片描述：