Buku Dataset Shift in Machine Learning

Dataset Shift adalah masalah umum dalam pemodelan prediktif yang terjadi ketika distribusi gabungan dari input dan output berbeda antara tahap pelatihan dan uji. pergeseran kovariat, kasus tertentu pergeseran dataset, terjadi ketika hanya perubahan distribusi input. pergeseran dataset hadir dalam aplikasi praktis yang paling, karena alasan mulai dari bias diperkenalkan oleh desain eksperimental dengan irreproducibility kondisi pengujian pada saat pelatihan. (Contohnya adalah email spam filtering, yang mungkin gagal untuk mengenali spam yang berbeda dalam bentuk dari spam filter otomatis telah dibangun di atas.)

Meskipun demikian, dan meski perhatian terhadap masalah-masalah yang tampaknya serupa pembelajaran semi-diawasi dan pembelajaran aktif, pergeseran dataset telah menerima perhatian yang relatif sedikit dalam komunitas pembelajaran mesin sampai saat ini. Volume ini menawarkan gambaran dari upaya saat ini untuk menangani dataset dan pergeseran kovariat. Bab-bab menawarkan pengenalan matematika dan filsafat untuk masalah ini, tempat pergeseran dataset dalam hubungan untuk mentransfer pembelajaran, transduksi, pembelajaran lokal, pembelajaran aktif, dan belajar semi-diawasi, memberikan pandangan teoritis dataset dan pergeseran kovariat (termasuk teori keputusan dan perspektif Bayesian ), dan algoritma hadir untuk pergeseran kovariat.

.Baca dan Download Disini