再探可因子化联合偏移

可因子化联合偏移(FJS)代表了一类分布偏移(或数据集偏移)，同时包含协变量偏移和标签偏移。最近观察到，FJS 实际上源于连续的标签偏移和协变量偏移(或反之亦然)。迄今为止，对 FJS 的研究主要局限于分类标签的情况。我们提出了一个在一般标签空间下分析分布偏移的框架，从而涵盖了分类和回归模型。基于该框架，我们将现有的 FJS 结果推广到一般标签空间，并提出并分析了对用于类先验概率的期望最大化(EM)算法在标签分布估计上的相关扩展。我们还重新审视了一般标签空间下的广义标签偏移(GLS)。