* TrAdaBoost [#kf34de7f]
//ここには %項目の説明を書いてください.よろしければ署名しておいてください.
元と目標データの双方にラベルがある場合の転移学習に用いるAdaBoost.普通のAdaBoostとの違いを以下のとおり
+ 弱学習器は,元データと目標データの両方を使って行う.重みはどちらのデータにも与えられている
+ 弱学習器の誤差は目標データについて評価
-- 誤差の大きな目標データの重みは増やして,そのデータを次の弱学習器で分類できるようにする
-- 誤差の大きな元データは目標タスクと無関係と考え,その重みを小さくする
+ 分類のとき,普通のAdaBoostでは全ての弱学習器を用いるが,TrAdaBoostでは学習の後半で獲得されたものだけを用いる
汎化誤差の上限も求められているが,元データを増やしても汎化誤差が減るような式にはなっていない.だが,実験的には元データが有効である場合が示されている.
> -- しましま
** 関連項目 [#i6313f24]
//英語や同義語のあとに,#brで区切って関連する項目をリストしてください.
-[[ブースティング]]
-[[転移学習]]
#br
-[[検索:TrAdaBoost]]
** リンク集 [#d184ea17]
//関連するWWW資源があればリンクしてください.
** 関連文献 [#w3b68888]
//この%項目%に関連する書籍や論文を紹介してください.
-基本文献~
W.Dai, Q.Yang, G.-R.Xue, and Y.Yu, "Boosting for Transfer Learning", ICML2007~
[[GoogleScholarAll:Boosting for Transfer Learning]]