Jun, 2024

分布鲁棒的安全样本筛选

TL;DR本研究提出了一种名为分布鲁棒安全样本筛选(DRSSS)的机器学习方法,旨在识别不必要的训练样本,即使训练样本的分布在未来发生变化。通过将分布鲁棒(DR)范式与安全样本筛选(SSS)有效地结合起来,我们实现了此目标。我们通过扩展现有的 SSS 技术来适应权重不确定性,使得 DRSSS 方法能够可靠地在指定范围内的任何未来分布下识别不必要的样本。我们为 DRSSS 方法提供了理论保证,并通过对合成和真实世界数据集的数值实验验证了其性能。