相似域但不同分布的回归中的迁移学习答案

【问题标题】：transfer Learning in regression for similar domain but different distr相似域但不同分布的回归中的迁移学习
【发布时间】：2021-05-01 11:01:33
【问题描述】：

我目前正在从事一个 KDD 项目，旨在用非常少的真实世界数据构建一个预测器。目标是预测以预测产品实例的数量 Y，同时了解该实例的其他数量。有在相似（不相同）产品上训练的预测器（相同任务）。这些模型对其用例有效。

我的方法是使用其他产品的大型数据集（类似领域、类似任务但分布不同），并使用迁移学习使这些数据集适应目标领域。

在这一点上，我无法找到适合我需要的方法/算法。查看决策树1 应该是域适配问题。

什么算法或模型适合这种用例？

【问题讨论】：

标签： machine-learning regression data-mining transfer-learning

【解决方案1】：

可以尝试Deep Domain Adaptation Regression方法，如ICML 2021发表的论文“Representation Subspace Distance for Domain Adaptation Regression”所示。使用标记的源域和未标记的目标域来学习在目标域上表现良好的模型.

【讨论】：