Domain Adaptive簡介

Domain adaptive 機器學習任務中，一般都假設訓練集和測試集分佈一致，所以在訓練集上訓練模型，測試集上測試。但是實際使用中測試集一般和訓練集數據分佈會出現很大差異，所以模型在實際使用中效果可能會下降很多。(比如用中國人訓練的人臉檢測模型在檢測外國人的時候效果會下降) 協方差偏移(convariance shift)：數據的邊緣分佈發生變化，可以理解爲訓練集和測試集數據分佈差異。 遷移學

>>阅读原文<<