高维鲁棒回归的迁移学习
统计方法学
2024-06-26 v1 其他统计学
摘要
迁移学习已成为利用源数据集信息以提高目标任务性能的 essential 技术。然而，在高维数据的背景下，由于异方差性方差或异质性协变量效应，出现了数据异质性问题。为解决此问题，本文提出一种基于Huber回归的鲁棒迁移学习方法，专为已知可迁移源数据集的场景设计。该方法有效缓解了数据异方差性的影响，提高了估计和预测准确性。此外，当可迁移源数据集未知时，本文引入一种高效检测算法，用于识别信息丰富的来源。通过数值模拟和使用超导体数据进行的经验分析，证明了所提方法的有效性。
引用
@article{arxiv.2406.17567,
title = {Transfer Learning for High Dimensional Robust Regression},
author = {Xiaohui Yuan and Shujie Ren},
journal= {arXiv preprint arXiv:2406.17567},
year = {2024}
}