统计学 > 机器学习
[提交于 2022年5月2日
]
标题: 具有概率集合的多标签问题中的怀疑二元推理
标题: Skeptical binary inferences in multi-label problems with sets of probabilities
摘要: 本文中,我们研究了针对多标签问题进行分布鲁棒且持怀疑态度的推理问题,或者更一般地,针对布尔向量的问题。 所谓分布鲁棒,我们的意思是考虑一组可能的概率分布;而所谓持怀疑态度,我们的理解是只考虑在这个集合内对每种分布都成立的推理。 只要所考虑的集合足够大,这样的推理将提供部分预测。 我们特别研究了汉明损失(Hamming loss)的情况,这是多标签问题中的常见损失函数,展示了在这种情况下如何进行持怀疑态度的推理。 我们的实验结果分为三个部分: (1) 第一部分通过合成数据集表明了我们理论结果所带来的计算收益; (2) 第二部分表明我们的方法在那些难以预测的实例上产生了相关的谨慎性,而其精确对应的方法在此失败; (3) 最后一部分通过实验证明了我们的方法在处理不完美信息(由降采样程序生成)方面比部分弃权[31]和拒绝规则表现得更好。
提交历史
来自: Yonatan Carlos Carranza Alarcón YcCa [查看电子邮件][v1] 星期一, 2022 年 5 月 2 日 05:37:53 UTC (986 KB)
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.