基于非参数 Copula 的半监督域自适应
机器学习
2013-01-03 v1 机器学习
摘要
提出了一种基于 Copula 理论的新框架，以解决半监督域自适应问题。所提出的方法将任何多元密度分解为边缘分布和二元 Copula 函数的乘积。因此，可以检测并校正这些因素中的每一个变化，以使密度模型适应不同的学习域。重要的是，我们引入了一种新颖的藤 Copula (vine copula) 模型，允许以非参数方式进行这种分解。在真实数据回归问题上的实验结果说明了所提出方法在与最先进技术相比时的有效性。
引用
@article{arxiv.1301.0142,
title = {Semi-Supervised Domain Adaptation with Non-Parametric Copulas},
author = {David Lopez-Paz and José Miguel Hernández-Lobato and Bernhard Schölkopf},
journal= {arXiv preprint arXiv:1301.0142},
year = {2013}
}
备注
9 pages, Appearing on Advances in Neural Information Processing Systems 25