【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

展开全文
Top
微信扫码咨询专知VIP会员