Domain Adaptive简介

Domain adaptive 机器学习任务中，一般都假设训练集和测试集分布一致，所以在训练集上训练模型，测试集上测试。但是实际使用中测试集一般和训练集数据分布会出现很大差异，所以模型在实际使用中效果可能会下降很多。(比如用中国人训练的人脸检测模型在检测外国人的时候效果会下降) 协方差偏移(convariance shift)：数据的边缘分布发生变化，可以理解为训练集和测试集数据分布差异。 迁移学

>>阅读原文<<