이 논문은 준-베이즈 최적 알고리즘의 불확실성을 정량화하는 방법을 제안한다.
베이지안 모델링은 예측 불확실성을 정량화할 수 있지만, 많은 기계 학습 알고리즘에 대해 베이지안 대응 모델을 구현하기 어렵다.
이 연구에서는 기계 학습 알고리즘이 다양한 작업에서 효율적이라는 가정 하에, 태스크 분포에 대한 베이지안 사후 분포를 복원할 수 있음을 보인다.
이를 바탕으로 일반적인 기계 학습 알고리즘에 적용할 수 있는 실용적인 불확실성 정량화 방법을 제안한다.
다양한 비-신경망 및 신경망 알고리즘에 대한 실험을 통해 제안 방법의 효과를 입증한다.
In un'altra lingua
dal contenuto originale
arxiv.org
Approfondimenti chiave tratti da
by Ziyu Wang,Ch... alle arxiv.org 03-29-2024
https://arxiv.org/pdf/2403.19381.pdfDomande più approfondite