遷移學習——Domain Adaptation

Domain Adaptation 在經典的機器學習問題中,我們往往假設訓練集和測試集分佈一致,在訓練集上訓練模型,在測試集上測試。然而在實際問題中,測試場景往往非可控,測試集和訓練集分佈有很大差異,這時候就會出現所謂過擬合問題:模型在測試集上效果不理想。 以人臉識別爲例,如果用東方人人臉數據訓練,用於識別西方人,相比東方人識別性能會明顯下降。 當訓練集和測試集分佈不一致的情況下,通過在訓練數據上
相關文章
相關標籤/搜索