基于分位数的学习-测试：用于超参数优化的风险控制
信息论
2024-07-25 v1 机器学习
math.IT
摘要
人工智能在工程问题中的日益普及，呼 necessitating 发展能够提供稳健统计可靠性保证的校准方法。黑盒 AI 模型的校准通过优化决定架构、优化和/或推理配置的超参数来实现。先前的工作引入了 learn-then-test（LTT），这是一种为超参数优化（HPO）提供平均性能测度统计保证的校准程序。鉴于在工程背景中控制面向风险的目标的重要性，本工作引入了 LTT 的一种变体，旨在为风险度量的分位数提供统计保证。我们通过将该方法应用于无线接入调度问题来说明该方法的实际优势。
引用
@article{arxiv.2407.17358,
title = {Quantile Learn-Then-Test: Quantile-Based Risk Control for Hyperparameter Optimization},
author = {Amirmohammad Farzaneh and Sangwoo Park and Osvaldo Simeone},
journal= {arXiv preprint arXiv:2407.17358},
year = {2024}
}