随机、密集分布偏移下的分布外泛化
统计方法学
2025-02-07 v2
摘要
许多在分布偏移设置下估计参数的现有方法都在不变性假设下运作。例如，在协变量偏移下，假设 保持不变。我们将此类分布偏移称为稀疏的，因为它们可能很显著，但只影响数据生成系统的一部分。相比之下，在各种现实世界设置中，偏移可能是密集的。更具体地说，这些密集的分布偏移可能通过总体和环境中的大量微小且随机的变化而产生。首先，我们讨论这种随机密集分布偏移的经验证据。然后，我们开发工具来推断参数并为部分观测到的、偏移后的分布进行预测。最后，我们将该框架应用于几个真实世界的数据集，并讨论用于评估分布不确定性模型拟合度的诊断方法。
引用
@article{arxiv.2404.18370,
title = {Out-of-distribution generalization under random, dense distributional shifts},
author = {Yujin Jeong and Dominik Rothenhäusler},
journal= {arXiv preprint arXiv:2404.18370},
year = {2025}
}