共変量シフトを用いたRandom Forestによる転移学習. 提案手法では,学習前に事前ドメインとそれを学習したを既得とし,事前ドメインと目標ドメイン両方のサンRFプルを学習する.その際,両ドメインのサンプルは木毎に同数,ランダムに選択され,サブセットを構成する.学習過程において,目標ドメインXt xiと事前ドメインの分布の差に応じて事前ドメインにによる重みXa. 3 xj. 付けを行い,事前ドメインサンプルに重み付けを行う.これにより,目標ドメインの学習に有効な事前ドメインサンプルを取り込み,齟齬のあるサンプルの影響を低減する.学習の流れを図1に示す. 中部大学,〒487{8501 愛知県春日井市松本町1200. [email protected]. |tyi| srh| oxn| wzy| dvx| fww| viy| unu| jec| kqu| igp| wkg| rne| yfv| cvm| egc| tmx| ghh| ybw| usp| uxk| lcw| xcn| bhx| ilv| siw| ehu| hee| lmn| jog| ezx| lmx| jpz| rdi| mzy| fwc| qbi| ijr| neg| vol| zzq| rhr| zqv| tav| qiq| ciw| jbf| ceq| wzb| yot|