Tese

Covariate shift adaptation and dataset shift decomposition in machine learning (2021)

• Authors:
  • Polo, Felipe Maia
  • Vicente, Renato (Orientador)
• Autor USP: POLO, FELIPE MAIA - IME
• Unidade: IME
• Sigla do Departamento: MAE
• DOI: 10.11606/D.45.2021.tde-03022022-234955
• Assunto: APRENDIZADO COMPUTACIONAL
• Keywords: Adaptação de dominio; Concept drift; Covariate shift; Dataset shift; Dataset shift decomposition; Decomposição do dataset shift; Dimensionalidade; Dimensionality; Domain adaptation; Effective sample size; Machine searning
• Agências de fomento:
  • Financiamento CNPq
• Language: Inglês
• Abstract: No aprendizado supervisionado, muitas vezes temos acesso a uma amostra limitada, em tamanho ou qualidade (e.g., falta de rotulos), de dados da populacao/distribuicao de interesse, para a qual queremos criar modelos preditivos. No entanto, e possivel que tenhamos acesso pouco limitado a dados amostrados de outra populacao, mais ou menos parecida com a de interesse. Treinar modelos utilizando somente dados da populacao de interesse pode ser impossivel ou resultar em modelos sub-otimos, entao seria interessante utilizar os dados provenientes da outra populacao a fim de obter melhores resultados ou tornar o treinamento possivel. Nessas situacoes, como as distribuicoes de interesse e aquela que podemos amostrar com poucas restricoes sao diferentes, dizemos que ha dataset shift. Em situacoes de dataset shift, empregar tecnicas de adaptacao de dominio ao treinar modelos supervisionados e essencial para garantias teoricas de bons resultados na populacao de interesse. Os dois tipos de dataset shift que discutiremos neste trabalho sao covariate shift e concept drift/shift. Os objetivos principais deste trabalho sao: (i) revisar principais conceitos e metodos relacionados ao covariate shift e covariate shift adaptation; (ii) propor contribuicoes para a literatura de covariate shift adaptation, conectando conceitos presentes em discussoes atuais; (iii) propor a decomposicao do dataset Shift em covariate shift e concept drift/shift esperado como uma nova abordagem para melhorentendimento de situacoes em que lidamos com dataset shift
• Imprenta:
  • Publisher place: São Paulo
  • Date published: 2021
• Data da defesa: 15.10.2021

Informações sobre o DOI: 10.11606/D.45.2021.tde-03022022-234955 (Fonte: oaDOI API)
• Este periódico é de acesso aberto
• Este artigo é de acesso aberto
• URL de acesso aberto
• Cor do Acesso Aberto: gold
• Licença: cc-by-nc-sa

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  POLO, Felipe Maia. Covariate shift adaptation and dataset shift decomposition in machine learning. 2021. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-03022022-234955/. Acesso em: 09 nov. 2024.

• APA

  Polo, F. M. (2021). Covariate shift adaptation and dataset shift decomposition in machine learning (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45133/tde-03022022-234955/

• NLM

  Polo FM. Covariate shift adaptation and dataset shift decomposition in machine learning [Internet]. 2021 ;[citado 2024 nov. 09 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-03022022-234955/

• Vancouver

  Polo FM. Covariate shift adaptation and dataset shift decomposition in machine learning [Internet]. 2021 ;[citado 2024 nov. 09 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-03022022-234955/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Effective sample size, dimensionality, and generalization in covariate shift adaptation