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†
リンク集†
関連文献†
![[PukiWiki]](image/ibisforest.png "[PukiWiki]")
