用于不确定性估计的集成方法：先验函数与自助法的益处
机器学习
2022-06-09 v1 人工智能
机器学习
摘要
在机器学习中，智能体需要估计不确定性以高效探索与适应并作出有效决策。不确定性估计的一种常见方法是维护一组模型集成。近年来提出了多种训练集成的方法，且对于这些方法中各类要素的重要性存在相互冲突的观点。本文旨在阐明两个受到质疑的要素——先验函数与自助法 (bootstrapping)——的益处。我们表明，先验函数能显著改善集成智能体跨输入的联合预测，而当各输入的信号噪声比不同时，自助法带来额外益处。我们的论断由理论与实验结果共同佐证。
引用
@article{arxiv.2206.03633,
title = {Ensembles for Uncertainty Estimation: Benefits of Prior Functions and Bootstrapping},
author = {Vikranth Dwaracherla and Zheng Wen and Ian Osband and Xiuyuan Lu and Seyed Mohammad Asghari and Benjamin Van Roy},
journal= {arXiv preprint arXiv:2206.03633},
year = {2022}
}