用于机器学习模型分布外检测的精简鲁棒随机切割森林
机器学习
2022-06-22 v1 人工智能
摘要
大多数基于机器学习的回归器从过去有限长度的观测收集的数据中提取信息，以对未来进行预测。因此，当输入这些已训练模型的数据与用于训练的数据在统计特性上存在显著差异时，无法保证预测的准确性。因此，将这些模型用于分布外输入数据可能会导致预测结果与期望结果完全不同，这不仅存在误差，在某些情况下还可能具有危险性。在任何系统中成功部署这些机器学习模型都需要一个检测系统，该系统应能够区分分布外数据和分布内数据（即与训练数据相似的数据）。在本文中，我们引入了一种使用精简鲁棒随机切割森林（RRRCF）数据结构进行此检测过程的新方法，该方法可应用于小型和大型数据集。与鲁棒随机切割森林（RRCF）类似，RRRCF 是一种结构化但精简的训练数据子空间表示，形式为切割树。该方法在低维和高维数据上的实验结果表明，可以高效地推断数据是否属于训练分布，且该模型易于训练，无需进行困难的超参数调优。本文讨论了两个不同的用例，用于测试和验证结果。
引用
@article{arxiv.2206.09247,
title = {Reduced Robust Random Cut Forest for Out-Of-Distribution detection in machine learning models},
author = {Harsh Vardhan and Janos Sztipanovits},
journal= {arXiv preprint arXiv:2206.09247},
year = {2022}
}