我有一个我正在处理的数据集，它在训练集和测试集之间有一些协变量变化。我正在尝试使用训练集建立一个预测模型来预测结果。到目前为止，我最好的模型是随机森林。
如何处理训练集与测试集中的偏移分布？我遇到了我自己能够实现的两种可能的解决方案：
- 删除移位的变量。这是次优的，但有助于防止我的模型过度拟合训练集。
- 使用逻辑回归来预测给定的观察值是否来自测试集（在平衡类之后），预测训练集的“测试集概率”，然后使用抽样概率对训练集进行自举抽样。然后在新的训练集上拟合最终模型。
1 和 2 都很容易实现，但没有一个让我满意，因为 #1 省略了可能相关的变量，而 #2 使用逻辑回归，而我的最终模型是基于树的。此外，#2 需要几段自定义代码，我担心我的实现可能不正确。
处理协变量偏移的标准方法是什么？R（或其他语言）中是否有任何实现这些方法的包？
/edit：似乎“内核均值匹配”是我可以采取的另一种方法。我发现了很多关于这个主题的学术论文，但似乎没有人发布任何代码。我将尝试自己实现这一点，并在我这样做时发布代码作为这个问题的答案。