一种基于线性调整的后验漂移迁移学习方法
统计方法学
2021-12-14 v2
摘要
我们提出了一种针对后验漂移问题的新模型与方法，其中目标域中的回归函数被建模为源域中回归函数在适当尺度上的线性调整，这一思想继承了经典统计文献中广义线性模型与加速失效时间模型的简洁性与实用性，并研究了我们所提估计量在二分类问题中的理论性质。我们的方法被证明具有灵活性，可应用于多种统计设定，并可用于包括流行病学、遗传学与生物医学在内的各领域迁移学习问题。作为一个具体应用，我们利用 UK Biobank 数据，通过借鉴来自更大规模的英国白人相似数据的信息，展示了我们的方法在英国亚裔死亡率预测中的效力。
引用
@article{arxiv.2111.10841,
title = {A linear adjustment based approach to posterior drift in transfer learning},
author = {Subha Maity and Diptavo Dutta and Jonathan Terhorst and Yuekai Sun and Moulinath Banerjee},
journal= {arXiv preprint arXiv:2111.10841},
year = {2021}
}