Oct, 2018
响亮地失败:检测数据集漂移方法的实证研究
Failing Loudly: An Empirical Study of Methods for Detecting Dataset Shift
Stephan Rabanser, Stephan Günnemann, Zachary C. Lipton
TL;DR本文探讨机器学习系统在面对各类输入时,如何通过检测数据集漂移并量化其恶性,从而建立高鲁棒性的系统,同时提出使用预训练分类器的双样本测试法在多种数据集漂移情况下表现最佳,且判别方法有助于定性确定数据集漂移的影响。