ICMLMar, 2018

经验方差估计的准确性可靠性成本函数

PDF
TL;DR本文研究了单点预测的不确定性问题，提出了一种代价函数，用于编码概率预测中准确度和可靠性之间的变化，导出了预测连续标量变量的解析公式，介绍了如何使用 Accuracy-Reliability 代价函数在异方差回归问题中（输入依赖噪声）求解一个双目标优化问题以实现方差的经验估计。方法基于准确和可靠的假设策略，并使用神经网络和简单的多项式拟合来进行实际实现和验证。
发现论文，激发创造
  • 可靠的方差网络训练和估计

    本研究提出了新的互补方法来估计回归神经网络中的预测方差网络，经验证明此方法大幅改善了预测不确定性的估计。

    Jun, 2019

  • 公平与稳定性：估计方差是朋友还是敌人？

    本文讨论了估计器误差分解中的偏差项、方差项和不可避免噪声项， 研究了社会特权和社会劣势群体的公平性问题，并提出了一种基于组间方差的性能度量方法。同时，研发了一个开源库，将不确定性量化技术与公平性分析融合，并在标准基准测试上对基于方差的公平性度量方法进行了全面的实证分析。

    Feb, 2023

  • 基于方差的正则化与凸优化目标

    通过使用分布鲁棒优化和 Owen 的经验似然的技术，我们开发了一种风险最小化和随机优化的方法，提供了一个凸代理来实现方差的降低，实现了近乎最优和计算效率之间的权衡，我们给出了一些有限样本和渐近结果来表征估计器的理论性能。

    Oct, 2016

  • 多元概率预测评估中的可靠区域

    本文通过对多元概率时间序列预测的妥善评估进行了系统的有限采样研究，并通过对合成基准的权力分析，确定了评分规则的 “可靠区域”，以确定其在识别预测误差方面的可靠性，并结合电力生产问题对其在实际任务中的通用性进行了评估。

    Apr, 2023

  • 参数高斯过程回归器

    提出了两种可扩展的高斯过程回归方法，通过应用变分推断和直接处理后验预测分布来改善模型预测不确定性。

    Oct, 2019

  • 多元概率时间序列预测与相关误差

    通过对误差的自相关特性进行高效建模，本研究提出一种能够有效量化预测不确定性的方法，并在多个实际数据集上验证了其在提高预测准确性和不确定性量化质量方面的有效性。

    Feb, 2024

  • 高维度下的鲁棒性对实际应用有益

    该论文介绍了一种通过使用分布模型以及多项式时间算法在高维数据中实现鲁棒性估计的方法，并且提出了优化方法，以使算法能够适应更多的数据异常值，实现更高效的鲁棒性估计。

    Mar, 2017

  • 随机变量的最大值的预期验证性能和估计

    本文分析了预期验证性能的三个统计估计方法在计算预算方面的效果，并在合成和现实情况下对三个估计器进行评估。其中，无偏估计器具有最高方差，方差最小的估计器具有最大的偏差；最小均方误差的估计器在偏差和方差之间取得了平衡，呈现出经典的偏差 - 方差权衡。我们使用预期验证性能来比较不同模型，并分析每个估计器导致选择哪个模型表现最佳的错误数量。我们发现两个有偏估计器导致最少的错误结论，这提示了最小化方差和均方误差的重要性。

    Oct, 2021

  • 二阶不确定性量化：基于方差的度量

    在这篇论文中，我们提出了一种新的方法来使用基于方差的度量标准来量化分类问题中的不确定性，能够对类别级别的不确定性进行推理，该方法在需要细致决策的情况下非常有用。除了这种公理方法，我们还提供了实证结果，表明这种度量标准在有效性和竞争性上与常用的基于熵的度量标准相当。

    Dec, 2023

  • 学习预测模型中部署成本与准确性的权衡

    提出了一种基于多层布尔电路的设计成本敏感的规则化器的新框架，旨在解决医疗等领域中的风险预测问题，并在应用于重症监护病房中脓毒症的风险预测等复杂领域时，该规则化器可以在精确捕获底层成本结构的同时以极佳的准确度与成本权衡提供模型预测效果。

    Apr, 2016