遷移學習(2)基於特徵對映的遷移學習

2021-10-03 09:13:47 字數 1090 閱讀 1589

找到潛在的特徵對映空間,源域和目標域分布相同,然後去做訓練。

此篇之前的遷移學習有

1.基於例項的,用不同權重對資料進行排序。

2.基於特徵的,找到共同的特徵結構。

這篇是將找到潛在的共享特徵空間,去建立源域和共享域的橋梁。如果兩個域有相關性,它們存在一些共同的引數/變數影響實測的資料,它們中的一些會造成不同的分布,而另一些不會。可以找到不影響分布的潛在引數,這些引數使得源域和目標域的分布近似。

實際做法是將源域和目標域資料進行降維,判斷低維空間的相似性,相似性強的化用低維空間資料進行分類。

最初用來判斷兩個樣本是否同分布,後來用為判斷分布相似性。

最大均值差異的基本原理是找到乙個函式對於不同分布的資料具有不同的期望。它會告訴我們資料分布是否相同。

x,y是兩個資料樣本,p,q為各資料分布,f為對映函式,f為f的空間。

mmd代表在f的對映下求得最大期望差值,如果一樣差值會一直為0,如果不同的,具體等於多少取決於讓其差異最大的那個投影。不過當f太過rich時,mmd很容易取到無窮,所以我們需要對f有乙個約束。

為了能表示mmd的性質:當且僅當p和q是相同分布的時候mmd為0,那麼要求f足夠rich;另一方面為了使檢驗具有足夠的連續性(be consistent in power),從而使得mmd的經驗估計可以隨著觀測集規模增大迅速收斂到它的期望,f必須足夠restrictive。文中證明了當f是universal rkhs上的(unit ball)單位球時,可以滿足上面兩個性質。 

希爾伯特空間:

指完備的內積空間。

內積空間是有距離、角度的空間。

完備性是指:空間中的任何柯西序列都收斂在該空間之內

基於docker的testlink遷移

判斷是否已安裝docker。命令列輸入docker v,若列印出docker版本資訊,表明已安裝docker,否則執行sudo apt install docker.io,安裝docker。docker v 檢視docker版本 docker network create driver bridge...

hbase基於快照的資料遷移

hbase基於快照的資料遷移 1.對於開啟安全認證 kerberos 的集群,首先需要關掉安全認證。2.在源集群所有節點 etc hosts檔案中配置目標集群所有節點的host。1.登入ambari檢查hbase site.xml 中的hbase.snapshot.enabled 是否設定為true...

hbase基於快照的資料遷移

hbase基於快照的資料遷移 前期準備 1.對於開啟安全認證 kerberos 的集群,首先需要關掉安全認證。2.在源集群所有節點 etc hosts檔案中配置目標集群所有節點的host。源集群操作 開啟hbase快照 1.登入ambari檢查hbase site.xml中的hbase.snapsh...