回归模型适用域定义方法的比较评估
机器学习
2024-11-05 v1 人工智能
摘要
适用域是指预测模型的预测预期可靠和准确的数据范围，在适用域之外使用模型可能导致错误结果。定义数据空间中预测模型可安全使用的区域是获得更安全和更可靠预测的必要条件。然而，定义模型的适用域是一个具有挑战性的问题，因为目前尚无明确统一的定义或度量标准。本研究旨在使适用域更具量化性和实用性。八种适用域检测技术被应用于七种在五个不同数据集上训练的回归模型，并通过验证框架对其性能进行了基准测试。我们还提出了一种基于非确定性贝叶斯神经网络来定义模型适用域的新方法。我们的方法在适用域定义方面表现出优于先前方法的准确性，突显了其在这方面潜力。
引用
@article{arxiv.2411.00920,
title = {Comparative Evaluation of Applicability Domain Definition Methods for Regression Models},
author = {Shakir Khurshid and Bharath Kumar Loganathan and Matthieu Duvinage},
journal= {arXiv preprint arXiv:2411.00920},
year = {2024}
}