基于函数回归的领域泛化
机器学习
2024-03-12 v2 统计理论
机器学习
统计理论
摘要
领域泛化的问题在于：给定来自不同源分布的数据，学习一个模型，该模型有望在仅通过无标签样本观测到的新目标分布上良好泛化。本文将领域泛化研究为一个函数回归问题。我们的概念引出了一种新算法，用于学习从输入的边际分布到给定输入的输出条件分布的线性算子。我们的算法允许依赖于源分布地构造用于预测的再生核希尔伯特空间，并满足理想化风险的有限样本误差界。数值实现与源代码已公开。
引用
@article{arxiv.2302.04724,
title = {Domain Generalization by Functional Regression},
author = {Markus Holzleitner and Sergei V. Pereverzyev and Werner Zellinger},
journal= {arXiv preprint arXiv:2302.04724},
year = {2024}
}