Une nouvelle perspective PAC-Bayes sur l'adaptation au domaine.

Résumé Nous étudions le problème de l'adaptation de domaine PAC-Bayesien : Nous voulons apprendre, à partir d'un domaine source, un modèle de vote majoritaire dédié à un domaine cible. Notre contribution théorique apporte une nouvelle perspective en dérivant une limite supérieure sur le risque de la cible où la divergence des distributions - exprimée comme un ratio - contrôle le compromis entre une mesure d'erreur de la source et le désaccord des électeurs de la cible. Notre limite suggère que l'on doit se concentrer sur les régions où les données de la source sont informatives. À partir de ce résultat, nous dérivons une limite de généralisation PAC-Bayes et la spécialisons aux classifieurs linéaires. Ensuite, nous déduisons un algorithme d'apprentissage et réalisons des expériences sur des données réelles.