.png){kind=icon}
.png){kind=icon}
返回
Towards a Problem-Oriented Domain Adaptation Framework for Machine Learning
.png){kind=icon}
OA
AI
DOI：10.1007/s10796-026-10799-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
域适应是机器学习的一个子领域，涉及将知识从源域转移到目标域以执行相同任务。这一挑战通常在数据来自多个来源或处理随时间演变的 数据集时出现。尽管近期进展提供了有前景的方法，但研究人员和实践者仍难以确定域适应是否适用于给定问题——并随后选择哪种方法。本文通过系统、迭代的发展与评估方法论，开发了一个面向问题的域适应框架，并通过三个评估阶段进行完善。该框架区分了五种域适应场景，为每种场景提供了定制建议，并为识别给定问题的适当场景提供了实用指南。通过多个评估阶段，我们在人工和真实数据集上测试了该框架，并通过包含100名参与者的实验研究进行了验证。评估表明，该框架正确分类了所有三个考察的真实世界问题实例，并在受控实验中显著提高了实践者的诊断准确率。总之，我们为希望采用域适应技术的研究人员和实践者提供了清晰、可操作的指导，即使他们缺乏专门的域适应专业知识。
Keyword:
Domain adaptation
Machine learning
Domain shift
Transfer learning
期刊
IF:
8.3
论文数:
2.0K
被引数:
6.5K