随笔分类 - 学习理论
摘要:
弃权学习(learning with abstention)主要是为了使分类器在学习过程中可能出现的误导性或者不正确的信息时(这常被称为“幻觉”),能够对做出预测进行弃权。目前,弃权学习的方法主要可以分为以下几种:基于置信度的方法(confidence-based methods)。这种方法在预训练模型返回的分数低于某个阈值θ时弃权;选择性分类(selective classification)。设置一个预测器和一个选择器,并定义被期望的选择或收敛度归一化的选择风险或损失;预测器-拒绝器公式(predictor-rejector formulation)。同时学习一个预测器和一个拒绝器,它们来自不同的函数族,这种方法显式地考虑了弃权花费c,当学习器弃权时将导致大小为c的损失;基于分数的公式(score-based formulation)。对多分类类别进行增广(多一个拒绝标签类型),当分配给拒绝标签的分数最高时进行弃权。
阅读全文

公告
搜索
积分与排名
- 积分 - 215803
- 排名 - 5425
友情链接
阅读排行榜
- 1. Python:探究Matplotlib直方图绘制中的参数bins和rwidth(9878)
- 2. Pytorch:自定义Subset/Dataset类完成数据集拆分(8483)
- 3. 并行计算:高性能计算学习路线(针对大二同学)(8316)
- 4. Chrome:用uBlacklist屏蔽CSDN搜索结果(7406)
- 5. 联邦学习:按Dirichlet分布划分Non-IID样本(7327)
- 6. Python:Python字符串中的r、u和转义字符(6799)
- 7. 联邦学习中的模型聚合(6088)
- 8. 分布式机器学习、联邦学习、多智能体的区别和联系(5601)
- 9. Python:Python中的随机采样和概率分布(一)(5445)
- 10. 联邦学习中的优化算法(5419)
最新评论
- 1. Re:迁移学习:互信息的变分上下界
- @多想想为什么 谢谢~(#^.^#)...
- --orion-orion
- 2. Re:迁移学习:互信息的变分上下界
太牛啦!!!写的通俗易懂,是我见过讲互信息最好的博客了
- --多想想为什么
- 3. Re:知识图谱实体对齐:无监督和自监督的方法
- @金金蔚来 有缘有缘~计算机相关的会议论文可以去DBLP上找,除此之外就是Google Scholar/ArXiv/会议官网这些...
- --orion-orion
- 4. Re:知识图谱实体对齐:无监督和自监督的方法
博主写得太好了😭我是搞生物的,现在要学知识图谱。。能请教一下博主计算机会议论文要怎么找呢?有什么相关的网站吗?
- --金金蔚来
- 5. Re:Chrome:用uBlacklist屏蔽CSDN搜索结果
- @我才是萝卜 哈哈哈笑死🤣...
- --orion-orion