面向多专家弃权学习的系统性方法
机器学习
2024-04-02 v2 机器学习
摘要
我们针对多专家弃权学习这一通用问题,研究了代理损失与算法。我们首先引入一类专为多专家设定量身打造的新代理损失,其中预测函数与弃权函数被同时学习。接着我们证明这些代理损失具有强的 -一致性界(-consistency bounds)。我们通过若干实用代理损失的例子阐释了分析的应用,并给出了明确的保证。这些损失函数可直接导向基于其最小化来设计新的弃权学习算法。尽管本工作以理论分析为主,我们也报告了在 SVHN 与 CIFAR-10 数据集上的若干实验结果。
引用
@article{arxiv.2310.14774,
title = {Principled Approaches for Learning to Defer with Multiple Experts},
author = {Anqi Mao and Mehryar Mohri and Yutao Zhong},
journal= {arXiv preprint arXiv:2310.14774},
year = {2024}
}
备注
ISAIM 2024