通过量化实现预测不确定性估计
机器学习
2018-10-15 v1 机器学习
摘要
高风险领域需要来自预测模型的可靠置信度估计。深度潜变量模型提供了这些估计，但受限于用于可处理推断的刚性变分分布，往往偏向于过度自信。我们提出随机量化激活分布（SQUAD），它在离散化潜变量上施加一种灵活且可处理的分布。所提方法具有可扩展性、自归一化且样本高效。我们证明该模型充分利用了灵活分布，学到了有趣的非线性，并提供了具有竞争力的质量的预测不确定性。
引用
@article{arxiv.1810.05500,
title = {Predictive Uncertainty through Quantization},
author = {Bastiaan S. Veeling and Rianne van den Berg and Max Welling},
journal= {arXiv preprint arXiv:1810.05500},
year = {2018}
}