.png){kind=icon}
返回
Credal ensembling in multi-class classification
.png){kind=icon}
OA
AI
DOI：10.1007/s10994-024-06703-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出一个形式化框架，用于（1）将概率集成成员聚合为代表性分类器或credal分类器，以及（2）基于此不确定性量化执行各类决策任务。我们首先阐述在分布间一类距离度量下的聚合问题。随后，基于所获得的集成和代表性概率，提出通用方法以增强不确定性量化和决策的鲁棒性。为促进所提框架的可扩展性，针对涵盖的所有问题和应用，我们从理论层面阐述其计算复杂度，并利用理论结果推导出高效的算法解决方案。最后，通过相关实验评估所提框架在不确定性采样、带拒绝选项的分类和集合值预测中的有效性。
Keyword:
Credal ensembling
Quantile-based approach
Uncertainty sampling
Classification with a reject option
Set-valued prediction
期刊
IF:
2.9
论文数:
2.7K
被引数:
3.4W
机构
引用论文
分享收藏How to measure uncertainty in uncertainty sampling for active learning主动学习不确定度抽样中如何测量不确定度.png)
MACHINE LEARNING
OAAI
MACHINE LEARNINGIF2.9
OAAI分享收藏分享收藏分享收藏
查看更多内容