如何验证无监督域适应

Question

以下是维基百科中的definition：

  

无监督域适应：学习样本包含一组标记的源示例，一组未标记的源示例和一组未标记的目标示例。

由于我们在目标域上没有标记数据（甚至验证集），我们如何确定传输过程是否已完成？或者过度装修/不合身？

Answer 1

为了评估模型的学术性，我们通常将标记数据用于目标样本，删除标签并使用标签评估模型。

在无法获得目标标签的情况下，我们可以使用与域相关的损失函数来评估收敛性。

对于某些隐藏了域重叠损耗的算法，例如DANN / RevGrad，我们可以为两个域的嵌入添加距离（相似度）项，并可以确定训练是否与测量收敛。

Answer 2

我发现了一篇可能适用于大多数转学习案例的论文：Cross Validation Framework to Choose amongst Models and Datasets for Transfer Learning。