文章信息:We nyuan Dai,et al, 2007,'Boosting for Transfer Learning', International Conference on Machine Learning
文章简介与个人心得:
Problem: 利用同分布数据和不同分布数据来学习一个高质量的分类器
Motivation:本文指出很多数据已经“out-of-date”,即数据的分布和准备用于训练、测试的数据分布不同,但是我们想要尽可能地利用这些旧数据,从中学习有用的知识来迁移到新的分类问题,来帮助我们进行分类。
Idea:文章提出了TraAdaboost 算法,根据经典的adaboosti算法,利用同分布训练数据来挑选出不同分布数据当中有用的部分,以此降低分类的错误率。 同时,个人认为本文的idea看似简单,但工作完成得很漂亮。很值得我们去学习,对我们今后的工作有一些启示:一是要 对经典的机器学习算法理论要精通,如本文利用的adaboost。只有完全理解了,才能灵活运用。二是要学会将经典算法和新的学习思想结合起来。
https://blog.sciencenet.cn/blog-4099-637833.html
上一篇:
[CV论文读讲] Lasso & Homotopy下一篇:
[CV论文读讲][2012.10.10]Transferring Naive Bayes Classifiers