Transfer Learning for Loan Recovery Prediction under Distribution Shifts with Heterogeneous Feature Spaces⋆
发表于 2026年4月3日上传于 2026年4月6日

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 .