提出协变量偏移下的潜在空间加权算法

Yuling Jiao、Lican Kang、Yang Xiang、Jerry Zhijian Yang 和 Fusheng Zhou 提出一种处理协变量偏移的迁移学习算法，将样本重加权与表示学习结合，在学习到的低维潜在特征上估计密度比，用于下游加权预测；模拟和真实数据实验显示，结合表示学习与潜在空间加权可以带来收益，但结果对初始化和域选择敏感。 研究还在特定表示充分性、光滑性和独立数据划分等条件下，推导了目标域超额风险率，并比较了不同维度设置及真实权重与固定预测器下的方差表现。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。