【迁移学习】TCA小结

TCA（Transfer Componet Analysis）是一种边缘分布自适应方法，属于迁移学习中数据分布自适应的一种经典方法。由香港科技大学Q Yang教授及其团队于2011年提出。下面对相关问题和方法进行总结。

问题描述

在我们构建机器学习模型时，训练数据Xs的分布P（Xs）于 测试数据（或者是实际应用数据）Xt的分布P（Xt）并不一致。这会导致我们训练出的模型的鲁棒性变差，并且在测试中可能很难有一个好结果。在本文中，我们将Xs所在的数据域称为源域（surce domain）Xt所在的数据域称为目标域（target domain）。

解决办法

maximum mean discrepancy:

为了解决这个问题，我们想要学习一种映射，使

这样二者的条件分布也会近似

这里就有一个问题，如何衡量两个域的分布的距离？只有有可量化的距离我们才能衡量并且构造函数使源域和目标