NIPSMay, 2017
使用 Wasserstein 距离进行极小极大统计学习
Minimax Statistical Learning with Wasserstein Distances
Jaeho Lee, Maxim Raginsky
TL;DR本论文基于 Wasserstein 空间的球体不确定性集合,提出了用于统计学习的极小极大框架,并证明了涉及原始极大似然问题的覆盖数特性的一般化界限。 作为一个具体的例子,我们为基于传输的域自适应问题提供了推广保证,其中源域和目标域分布之间的 Wasserstein 距离可以可靠地从未标记样本中估算。