由于自己研究的需要，最近正在关注迁移学习领域，属于还未入门的新手。有几个问题向前辈们请教。

（1）我现在研究高铁司机驾驶疲劳识别问题：源域的所有数据都包含特征和标，目标域数据只有特征而没有标签，两个域上数据的特征分布规律可能不相同。其中这里的标签不是离散的类别，而是连续取值的指标。不知道该问题是否属于域适应（或者域适配，domain adaptation）？就我所了解，迁移学习领域中的标签一般都是离散的几个类别，而不是连续的。关键地，unsupervised domain adaptation的方法（例如GFK）是否能应用，或者其他哪些方法可以解决我的问题。

（2）另外一个问题是关于GFK方法。在GFK的经典文章Geodesic Flow Kernel for Unsupervised Domain Adaptation，根据公式（5）计算公式（4）之后，下一步该如何办？或者能否告知GFK解决域适应问题的完整步骤。

期待前辈们的解惑。谢谢。