基于源引导差异的无监督域适应
机器学习
2018-11-20 v3 机器学习
摘要
无监督域适应是一类问题设定：源域与目标域的数据生成分布不同，且目标域标签不可用。无监督域适应中的一个重要问题是如何度量源域与目标域之间的差异。先前提出的一种不使用源域标签的差异度量估计计算成本高，并可能导致目标域上宽松的泛化误差界。为缓解这些问题，我们提出一种称为源引导差异（S-disc）的新差异度量，其利用了源域中的标签。因此，S-disc可高效计算并具备有限样本收敛保证。此外，我们证明S-disc能比基于已有差异度量的泛化误差界提供更紧的界。最后，我们报告了实验结果，展示了S-disc相对于已有差异度量的优势。
引用
@article{arxiv.1809.03839,
title = {Unsupervised Domain Adaptation Based on Source-guided Discrepancy},
author = {Seiichi Kuroki and Nontawat Charoenphakdee and Han Bao and Junya Honda and Issei Sato and Masashi Sugiyama},
journal= {arXiv preprint arXiv:1809.03839},
year = {2018}
}
备注
To appear in AAAI-19