计算机科学与技术AI Infra机器学习迁移学习数据分布自适应本页总览数据分布自适应1. 什么 是数据分布自适应数据分布自适应(Distribution Adaptation) 是迁移学习中最基础、最经典的一类方法。它假设源域和目标域 特征空间和标签空间相同 ,只在数据分布上存在差异,目标是通过变换或加权将两个域的分布对齐。数据分布可以从三个角度对齐: 边缘分布自适应 : Ps(X)≈Pt(X)P_s(X) \approx P_t(X)Ps(X)≈Pt(X) 条件分布自适应 : Ps(Y∣X)≈Pt(Y∣X)P_s(Y \mid X) \approx P_t(Y \mid X)Ps(Y∣X)≈Pt(Y∣X) 联合分布自适应 :同时对齐边缘和条件分布 2. 距离度量