高斯过程的元学习均值函数
机器学习
2020-02-17 v4 机器学习
摘要
在稀缺数据上拟合贝叶斯机器学习模型时，主要挑战在于获取合适的先验知识并将其编码到模型中。元学习的最新进展提供了从相关任务中获取的数据中提取此类先验知识的强大方法。在高斯过程模型的元学习中，该设定下的方法大多集中于学习先验的核函数，而非学习其均值函数。在本工作中，我们探索对高斯过程先验的均值函数进行元学习。我们给出均值函数学习在元学习设定中可能有用的分析与经验证据，讨论过拟合风险，并建立与其他元学习方法（如模型无关元学习(model agnostic meta-learning)与函数主成分分析(functional PCA)）的联系。
引用
@article{arxiv.1901.08098,
title = {Meta-Learning Mean Functions for Gaussian Processes},
author = {Vincent Fortuin and Heiko Strathmann and Gunnar Rätsch},
journal= {arXiv preprint arXiv:1901.08098},
year = {2020}
}