【干货分享】177页鲁棒机器学习教程（附Slides全文下载）

【导读】本文为大家整理了俄勒冈州立大学的杰出教授Thomas G.Dietterich的鲁棒机器学习教程，具体内容如下。

课程介绍：

这个短期课程讨论了从有监督的机器学习中获得可靠决策的问题。它试图总结关于我们如何创建机器学习分类器的当前知识，这些分类器在进行预测时可以保证预测的正确性和高概率性。这些分类器拒绝测试查询，因为它们对这些查询没有足够的信心。本课程由四节课组成，每节课以最近最新的一些论文为中心，但也包括其他出版资料。

• 第1讲：校准概率。本节课讨论如何从监督分类器获得校准概率。这对于做出拒绝决定很有用，对于cost-sensitive的分类，处理类不平衡以及作为更大的AI系统的组件也是有用的。

• 第2讲：带有拒绝选项的分类。为了正确地做出拒绝决策，我们不需要获得经过校准的概率。这节课讨论了设置拒绝阈值的方法，该阈值提供了准确性保证。这包括标准的阈值法和保角预测法。

• 第3讲：开放类别检测。前两讲仅考虑了具有iid训练数据的封闭世界的情况。在本节课中，我们讨论了检测属于不存在于训练数据中的类的测试查询的问题。

• 第4讲：异常检测。大多数开放类别方法都使用异常检测方法来进行新奇类查询。本节课讨论了八种异常检测算法的基准研究。然后介绍由Alan Fern，Md.Amran Siddiqui和我开发的罕见模式异常检测理论，该理论给出了异常检测方法的PAC式理论。

 

我无法在这些演讲中涵盖所有相关的文献。如果您能给我发相关文献的邮件，我将不胜感激。同样的，如果你在这些报告中看到错误，请给我发邮件，以便我可以及时更正。

Tom Dietterich，tgd@cs.orst.edu

关注专知公众号（扫描文章底部二维码，或者点击上方蓝色专知）

• 后台回复“RAI” 可以获取课程Slides下载链接~ 

附slides全文：

-END-

专 · 知

人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群，获取专业知识教程视频资料和与专家交流咨询！

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

请加专知小助手微信（扫一扫如下二维码添加），加入专知主题群（请备注主题类型：AI、NLP、CV、 KG等）交流~

 AI 项目技术 & 商务合作：bd@zhuanzhi.ai, 或扫描上面二维码联系！

请关注专知公众号，获取人工智能的专业知识！

点击“阅读原文”，使用专知