[发明专利]一种基于多源域的任务拆分迁移学习预测方法

摘要

本发明涉及一种基于多源域的任务拆分迁移学习预测方法。本方法是在复杂的目标任务很难通过极少量的目标域数据训练学习的条件下，依据目标域的特征项所涉及的领域划分成对应的子域，进而划分出子域对应的子任务，通过子任务对应的域特征量计算子任务模型权重，利用子任务对应的子域中所需的特征项，以特征映射的方式建立共享特征空间，在充足的多源域样本中训练出子任务模型，抽取关联特征项共享参数模型，集成初始目标任务模型，结合梯度提升方法快速拟合，实现任务拆分的迁移预测。本发明是一种以任务拆分的方式来实现跨领域模型迁移的预测方法。

主权项

一种基于多源域的任务拆分迁移学习预测方法，其特征在于，具体步骤如下：步骤1：通过分析目标域的特征项所涉及的领域划分成对应的子域，进而划分出子域对应的子任务，实现对目标任务的拆分，其中以特征量为关联因子来量化相应子任务的重要程度，实现目标任务拆分后的集成；步骤2：特征映射域关联，利用子任务对应的子域中所需的特征项，与源域建立特征关联，以特征映射的方式建立共享特征空间；步骤3：基于多源域中子任务模型的构建，结合多任务学习的方法选取基本学习器进行训练，以迭代的方式训练源域数据并更新模型参数，降低子模型误差，及时优化拟合子模型；步骤4：迁移子任务模型集成目标任务模型，完成目标任务的初始预测模型的构建；步骤5：跨领域迁移和预测，迁移初始目标任务模型F0(x)预测并优化，以梯度提升的方法快速拟合最终模型，完成最终预测任务。