基于样例的迁移学习：密度比估计的不可或缺性

基于样例的迁移学习：密度比估计的不可或缺性

工作中遇到需要用迁移学习解决的风控问题：贷中模型，一个新的项目，如何冷启动。

1）目标域没有标签，即不知道未来是否逾期。2）没有足够的训练数据。

新项目的数据分布和旧项目不同，P(y|x) 假设相同， 但P(x)必定不同，此时需要用到密度比估计。估计出密度比之后，再对抽样后的源域数据进行训练，以达到在目标域上更好的效果。

 

 covariate shift 的解释：

https://blog.csdn.net/mao_xiao_feng/article/details/54317852

 

一个问题，P(X)不同，但P(Y|X)不变，训练出来的模型会不同么？？比如xgboost,是否对样本的分布敏感？