改善机器学习模型中的分布外检测
文 / Google Research 研究员，Jie Ren 和 DeepMind研究员 Balaji Lakshminarayananios 机器学习系统的成功部署是须要系统可以区分出异常数据或与训练数据有显著差别的数据。这对深度神经网络分类器十分重要，由于它可能会将 分布外 (out-of-distribution, OOD) 的输入归结到 分布式 (in-distribution) 类别中
相关文章
- 1. R机器学习之交叉验证改善模型
- 2. 机器学习之模型检验
- 3. 机器学习中的分类模型和回归模型
- 4. 机器学习性能改善
- 5. 机器学习经典模型（二）目标检测
- 6. Stanford机器学习-异常检测和多元高斯分布
- 7. 机器学习中的线性模型
- 8. Angular变化检测机制：改善的脏检查
- 9. 机器学习中基于可变型部件模型的检测算法的研究分析
- 10. 第一周 机器学习（ML）策略（1）：1.12 改善模型表现
- 更多相关文章...
- • ASP.NET MVC - 模型 - ASP.NET 教程
- • Redis发布订阅模式 - Redis教程
- • Kotlin学习（二）基本类型
- • 适用于PHP初学者的学习线路和建议
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章