accuracy estimation | BriefGPT

关键词accuracy estimation

搜索结果 - 8

CVPRAETTA: 测试时适应的无标签精度估计
我们提出了一种适用于测试时间自适应（TTA）的无标签准确度估计算法 AETTA，通过与辍学推断比较目标模型预测来改进预测不一致性以扩展 AETTA 在适应失败下的适用性。我们进行了广泛的评估，并使用四个基线模型和六种 TTA 方法进行实验证
PDF3 months ago
IW-GAE：用于提高非监督领域自适应中校准和模型选择的重要性加权分组准确性估计
本文提出了一种新颖的权重分组准确度估计方法，以解决由于分布变化导致的模型校准和模型选择困难，实验证明了分组准确度估计在提高模型校准和模型选择上的有效性，强调了在无监督领域适应中解决挑战的重要性。
PDF9 months ago
ICCV距离在改善协变量偏移下的性能估计中起作用
考虑到协变量转移下测试样本与预期训练分布的距离，可以显著提高性能估计，通过引入 “距离检查” 来避免依赖于不可信任的模型输出以进行准确度估计。
PDFa year ago
估计大型语言模型能力的方法（无需标记测试数据）
本文提出利用元模型，基于大型语言模型的置信度得分预测新任务的扩展学习（ICL）准确度，并在四个大型语言模型和三个任务集上对其进行了基准测试。
PDFa year ago
从无标签数据估算准确性：一种概率逻辑方法
我们提出了一种基于逻辑约束的多类别分类器准确度无标签估计方法，尝试使用基于分类器之间一致性的逻辑关系的猜想，从而得出准确估计值，实验证明了此方法在四个真实数据集上的有效性。
PDF7 years ago
KDD有限标记资源下的分类器风险评估
该研究提出了基于分层取样的策略来选取测试集的子集进行标注，以尽可能准确地估计分类器的性能，相对于简单随机取样，这些策略可以显著减少分类器精度估计中方差的误差，并且在有限标注资源下比随机取样需要更少的样本来估计分类器的准确性，有些情况下减少的
PDF8 years ago
基于依赖分类器的无监督集成学习
本文主要探讨如何在无监督学习中，检测强违反条件独立性的分类器依赖关系，提高分类器准确性估计以及构造更合适的元学习器的方法，旨在提高集成学习算法的性能表现。
PDF9 years ago
无标记数据下多分类器准确率的估计
本研究通过谱方法，针对二元情况下的多个分类器预测结果，提出了一种无监督方法来估计分类器的准确性，同时构建了更准确的无监督集成分类器，并通过人工和真实数据集的实验表明了该算法的竞争性能。
PDF10 years ago