摘要：現有的多源遷移學習算法對回歸問題的研究極少,大多是解決對稱的二分類問題,本文提出了加權多源TrAdaBoost的回歸算法,其中誤差容忍系數能一定程度解決源領域樣本權重縮減過快的問題,提高了算法的效果。在修改后的Friedman#1回歸問題上進行了實驗,驗證了該算法的有效性,誤差容忍系數可以提高大約0.01的R2分數。將該算法應用到電力通信網的行業問題中,提出了異常站點(業務數量缺失嚴重的站點)檢測與真值預測模型,在特征工程中使用了社交網絡分析的方法,充分考慮了站點在拓撲圖中的重要性。最終的實驗效果進一步驗證了算法的有效性。