科琳娜·科尔特斯;梅赫里亚·莫赫里;迈克尔·莱利;阿夫申·罗斯塔米扎德 样本选择偏差修正理论。 （英语） Zbl 1156.68524号 Freund，Yoav（编辑）等人，《算法学习理论》。第19届国际会议，ALT 2008，匈牙利布达佩斯，2008年10月13-16日。诉讼程序。柏林：施普林格出版社（ISBN 978-3-540-87986-2/pbk）。计算机科学讲义5254。人工智能课堂讲稿，38-53（2008）。 小结：本文对样本选择偏差修正进行了理论分析。机器学习中常用的样本偏差校正技术包括对有偏差样本的每个训练点上的错误代价进行重新加权，以更准确地反映无偏分布。这依赖于基于有限样本的各种估计技术得出的权重。我们分析了该估计中的错误对两种估计技术（基于聚类的估计技术和核均值匹配）的学习算法返回的假设准确性的影响。我们还报告了使用这些技术对几个数据集进行的样本偏差校正实验的结果。我们的分析基于新的分布稳定性概念，它概括了现有的基于点的稳定性概念。我们的大部分工作和证明技术可以用于分析其他重要加权技术及其在使用分布稳定算法时对准确性的影响。有关整个系列，请参见[Zbl 1146.68008号]. 引用于17文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 PDF格式BibTeX公司 XML格式引用 \textit{C.Cortes}等人，Lect。注释计算。科学。5254、38--53（2008年；Zbl 1156.68524） 全文： 内政部 arXiv公司