面向机器学习的逆向思维建模

人类惯性思维方案可通过学习形成，随后被用于快速解决类似问题。然而，当问题差异显著时，惯性思维通常给出的解决方案必然不完善。在此情况下，人们会运用创造性思维（如逆向思维）来解决问题。类似地，机器学习方法也通过从大量数据中学习知识而形成惯性思维方案。然而，当测试数据差异巨大时，所形成的惯性思维方案不可避免地产生错误。此类惯性思维称为错觉惯性思维。由于所有机器学习方法均未考虑错觉惯性思维，本文提出一种利用逆向思维纠正错觉惯性思维的新方法，提升了机器学习方法的泛化能力。在基准数据集上的实验结果用于验证所提方法。