回归问题的多源自适应
机器学习
2017-11-15 v1
摘要
我们对一般随机场景下多源自适应问题进行了详细的理论分析，扩展了已知假设单一目标标注函数的结果。我们的结果涵盖了一个更现实的场景，并表明存在一个对源分布的任意目标混合都准确的单一鲁棒预测器。此外，我们通过将问题转化为DC规划（DC-programming）的实例，针对平方损失这一重要情形提出了一种高效且实用的优化方案来确定该鲁棒预测器。我们报告了在人工任务和情感分析任务上的实验结果。我们发现，我们的算法通过生成一个对任何目标混合分布都表现良好的单一鲁棒模型，优于竞争方法。
引用
@article{arxiv.1711.05037,
title = {Multiple-Source Adaptation for Regression Problems},
author = {Judy Hoffman and Mehryar Mohri and Ningshan Zhang},
journal= {arXiv preprint arXiv:1711.05037},
year = {2017}
}