251
个编辑
更改
跳到导航
跳到搜索
第35行：
第35行： + + + +
→机器学习领域的分布外泛化问题
这个分类出处是哪里呀？相关性来源应该不只这些吧，似乎没有包含对撞结构造成的虚假关联。可以不讲分类，主要讲样本选择偏差这一个点，这和NIS+要解决的问题是密切相关的。另外要注意，图像识别不是我们解决的任务类型，只是一个引子。还要讲动力学系统。在动力学系统里，这个问题就体现为初始条件分布不同甚至是某些动力学参数不一样（训练和测试不一样）。
这个分类出处是哪里呀？相关性来源应该不只这些吧，似乎没有包含对撞结构造成的虚假关联。可以不讲分类，主要讲样本选择偏差这一个点，这和NIS+要解决的问题是密切相关的。另外要注意，图像识别不是我们解决的任务类型，只是一个引子。还要讲动力学系统。在动力学系统里，这个问题就体现为初始条件分布不同甚至是某些动力学参数不一样（训练和测试不一样）。
* 为了增强分布外泛化能力，可以生成多样化的数据，模拟不同的测试环境，
缺主语呀～～
=NIS 概述=
=NIS 概述=