一种输出端无监督领域自适应理论
机器学习
2017-03-07 v1 机器学习
摘要
当学习从输入空间到输出空间的映射时，训练数据的样本分布与测试数据相同的假设常常不成立。无监督领域偏移方法会调整已学习的函数以校正这种偏移。先前的工作侧重于利用来自目标分布的未标记样本。我们考虑一个互补问题，其中未标记样本是在映射之后给出的，即我们得到的是来自偏移领域的未知样本经映射后的输出。我们还研究了另外两种变体：双侧版本，其中未标记样本同时来自输入和输出空间；以及最近被形式化的领域迁移问题。在所有情况下，我们都推导出了使用差异项的泛化界。
引用
@article{arxiv.1703.01606,
title = {A Theory of Output-Side Unsupervised Domain Adaptation},
author = {Tomer Galanti and Lior Wolf},
journal= {arXiv preprint arXiv:1703.01606},
year = {2017}
}