无目标标签的域适应研究综述

域适应已成为机器学习和相关领域中一个突出的问题设定。本综述提出如下问题：分类器如何能从源域学习并泛化到目标域？我们给出了一种方法分类，划分为我们所称的基于样本、基于特征和基于推断的方法。基于样本的方法侧重于在训练期间根据个体观测对目标域的重要性对其加权。基于特征的方法围绕特征的映射、投影和表示展开，以使源分类器在目标域上表现良好；基于推断的方法将适应纳入参数估计过程，例如通过对优化过程的约束。此外，我们回顾了若干允许制定跨域泛化误差界的条件。我们的分类突出了反复出现的思想，并提出了对进一步研究重要的问题。