协变量偏移下的潜在空间重要性加权方法

该研究提出一种应对协变量偏移的迁移学习算法，将样本重加权与表征学习结合，在低维潜在空间估计密度比，用于下游加权预测。研究推导了目标域超额风险率，并比较了不同条件下的维度与方差表现。模拟和真实数据实验显示，学习表征与潜在空间加权结合可带来收益，但结果对初始化和域选择敏感。