Jae Ho Chang

新的HTL方法解决了特征不匹配的高维回归问题

研究人员开发了一种新颖的异构迁移学习（HTL）方法，该方法专为源域和目标域特征集不同的高维回归任务而设计。该方法解决了现有方法需要相同特征空间的局限性。提出的HTL技术首先学习一个特征映射来填充目标域中缺失的变量，然后应用两步迁移学习过程进行惩罚回归。该方法包括对估计和预测误差的理论保证，达到了最优速率，并在某些情况下优于同构迁移学习。它还包含了针对来自对抗性源的负迁移的防御措施。