机器学习研究者关于 OOD 检测的谬误
机器学习
2022-11-02 v2 人工智能
机器学习
摘要
检测分布外 (OOD) 数据的一种直观方法是通过拟合的概率生成模型的密度函数：密度较低的点可被归类为 OOD。但在深度学习的设定中，这种方法被发现会失效。在本文中，我们列举了机器学习研究者关于基于密度的 OOD 检测所相信的一些谬误。许多近期工作提出了基于似然比的方法来“修复”该问题。我们提出一个框架，即 OOD 代理框架，以统一这些方法，并论证似然比是 OOD 检测的一种有原则的方法，而非单纯的“修复”。最后，我们讨论了域判别与语义之间的关系。
引用
@article{arxiv.2210.12767,
title = {Falsehoods that ML researchers believe about OOD detection},
author = {Andi Zhang and Damon Wischik},
journal= {arXiv preprint arXiv:2210.12767},
year = {2022}
}
备注
5 pages