基于累积分布函数的采样偏差鲁棒校正
机器学习
2020-10-27 v1 信息论
机器学习
math.IT
摘要
领域变化与有偏数据集会导致训练分布与目标分布之间的差异，即协变量偏移（covariate shift）。当前缓解该问题的方法常依赖于估计训练与目标概率密度函数之比。这些技术需要参数调优，且在不同数据集上可能不稳定。我们提出一种处理协变量偏移的新方法，利用目标分布的经验累积分布函数估计，严格推广了 Vapnik 和 Izmailov 近期提出的想法。此外，我们通过实验表明，在合成与真实数据集上，我们的方法预测更鲁棒、不依赖参数调优，且与当前 SOTA 技术分类性能相当。
引用
@article{arxiv.2010.12687,
title = {Robust Correction of Sampling Bias Using Cumulative Distribution Functions},
author = {Bijan Mazaheri and Siddharth Jain and Jehoshua Bruck},
journal= {arXiv preprint arXiv:2010.12687},
year = {2020}
}
备注
Accepted in Neurips 2020