超越常规风险的学习准则综述
机器学习
2023-12-01 v3 机器学习
摘要
几乎所有可能的机器学习任务都使用某种形式的损失函数来刻画，“良好性能”通常表述为在测试数据随机抽取上取足够小的平均损失。尽管优化平均性能在直觉上合理、理论上便于分析、实践中易于实现，但这样的选择带来了权衡。在本工作中，我们综述并引入多种用于设计和评估机器学习算法的非传统准则，将经典范式置于恰当的历史语境中，并提出了一种学习问题的视角，该视角强调“何为可取的损失分布？”这一问题，以取代对期望损失的默许使用。
引用
@article{arxiv.2110.04996,
title = {A Survey of Learning Criteria Going Beyond the Usual Risk},
author = {Matthew J. Holland and Kazuki Tanabe},
journal= {arXiv preprint arXiv:2110.04996},
year = {2023}
}
备注
Final version published in JAIR