Transfer Learning for Loan Recovery Prediction under Distribution Shifts with Heterogeneous Feature Spaces⋆
创建于 更新于
摘要
本文提出FT–MDN–Transformer，一种结合特征级token化与混合密度网络（MDN）的表格Transformer，用于在特征空间不一致与分布漂移下进行恢复率（RR）分布预测。该模型支持跨域迁移（预训练→微调）、对缺失或域专属特征的掩码处理，并能输出完整条件密度以捕捉双峰与异方差结构；在真实GCD→UP5跨组合实验中，当目标样本稀缺时，FT–MDN–T优于基线，且在协变量与条件漂移下收益突出，但对标签分布漂移较为敏感 [page::0][page::17][page::23].
