本論文提出了一種新的遷移學習方法,用於在協變量偏移的情況下,基於廣義估計方程進行統計推斷,並著重解決了協變量數目不同的挑戰。
本文提出了一種名為 MAKEUP 的新方法,用於解決在代表性不足的群體中進行風險建模時遇到的挑戰,例如少數群體的數據有限以及來源和目標群體之間的差異。
預訓練模型的特徵空間,而非僅僅是數據集的相似性,才是決定遷移學習成敗的關鍵因素。