域适应的一种新的 PAC-Bayesian 视角
机器学习
2016-07-27 v4 机器学习
摘要
我们研究 PAC-Bayesian 域适应问题：我们想从源域学习一个专用于目标域的多数投票模型。我们的理论贡献通过推导目标风险的上界带来了一个新的视角，其中分布的散度——表示为比率——控制了源误差度量与目标投票者分歧之间的权衡。我们的界表明必须聚焦于源数据具有信息的区域。从这一结果，我们推导了一个 PAC-Bayesian 泛化界，并将其专门化到线性分类器。然后，我们推断出一个学习算法并在真实数据上进行了实验。
引用
@article{arxiv.1506.04573,
title = {A New PAC-Bayesian Perspective on Domain Adaptation},
author = {Pascal Germain and Amaury Habrard and François Laviolette and Emilie Morvant},
journal= {arXiv preprint arXiv:1506.04573},
year = {2016}
}
备注
Published at ICML 2016