SafePredict：一种利用拒绝机制保证正确性的机器学习元算法

SafePredict 是一种新颖的元算法，可与任何基础预测算法协同处理在线数据，通过允许拒绝机制来保证任意选定的正确率 $1-\epsilon$。允许拒绝意味着该元算法偶尔可以拒绝输出基础算法生成的预测，从而使未拒绝预测的错误率不超过 $\epsilon$。SafePredict 的错误界限不依赖于对数据分布或基础预测器的任何假设。当基础预测器恰好不超过目标错误率 $\epsilon$ 时，SafePredict 仅拒绝有限次。当基础预测器的错误率随时间变化时，SafePredict 采用一种权重转移启发式策略来适应这些变化，在不知道变化何时发生的情况下仍能保持正确性保证。实验结果表明： SafePredict 与基于置信度的 SOTA 拒绝机制相比表现更优，后者无法提供稳健的错误保证； 将 SafePredict 与此类拒绝机制结合，在许多情况下可进一步减少拒绝次数。我们的软件（目前用 Python 编写）包含在补充材料中。