按照迁移学习的数据域与任务的分类，有4种分类方式。

给定源域和目标域 Ds 和 Dt，其中，D={X,P(X)}，并且给定源任务和目标任务 Ts 和 Tt，其中 T={Y,P(Y|X)}。源和目标的情况可以以四种方式变化。

（1）XS≠XT。源域和目标域的特征空间不同，例如，文档是用两种不同的语言写的。在自然语言处理的背景下，这通常被称为跨语言适应（cross-lingual adaptation）。

（2）P(Xs)≠P(Xt)。源域和目标域的边缘概率分布不同，例如，两个文档有着不同的主题。这个情景通常被称为域适应（domain adaptation）。

（3）YS≠YT。两个任务的标签空间不同，例如，在目标任务中，文档需要被分配不同的标签。实际上，这种场景通常发生在场景4中，因为不同的任务拥有不同的标签空间，但是拥有相同的条件概率分布，这种情况非常少见。

（4）P（Ys|Xs）≠P（Yt|Xt）。源任务和目标任务的条件概率分布不同，例如，源和目标文档在类别上是不均衡的。这种场景在实际中是比较常见的，诸如过采样、欠采等情况。