Modellübertragbarkeit
Modellübertragbarkeit bezeichnet die Fähigkeit eines maschinellen Lernmodells, auf neuen, unbekannten Datensätzen oder Aufgaben zu funktionieren, die sich vom Training unterscheiden. Sie ist zentral in Transfer Learning, Domain Adaptation und meta-learning.
Sie unterscheidet verschiedene Formen: Covariate Shift (Veränderung der Eingangsverteilung), Konzept-Veränderung (Änderung der Zielverteilung), und Aufgabenübertragung (Transfer
Methoden: Domain Adaptation zielt darauf ab, Merkmalsverteilungen zwischen Quell- und Zieldomänen anzugleichen, z. B. durch adversarielle
Bewertung: Transferierbarkeit wird oft durch Leistung im Zielbereich gemessen, ergänzt um Effizienz der Anpassung und Robustheit
Anwendungen: u. a. Computer Vision, NLP, Spracherkennung, Robotik und Gesundheitswesen, wo Modelle in neuen Umgebungen oder