论目标数据在迁移学习中的价值
机器学习
2020-02-13 v1 机器学习
摘要
我们旨在理解在迁移学习中，给定任意数量的源数据，额外的有标注或无标注目标数据的价值；其动机源于关于最小化采样成本的实际问题，即目标数据通常比源数据更难或更昂贵获取，但可带来更高精度。为此，我们建立了关于源样本量与目标样本量的首个极小极大速率，并表明性能极限由我们称之为迁移指数的源与目标间差异新概念所刻画。
引用
@article{arxiv.2002.04747,
title = {On the Value of Target Data in Transfer Learning},
author = {Steve Hanneke and Samory Kpotufe},
journal= {arXiv preprint arXiv:2002.04747},
year = {2020}
}