基于 Automunge 的表格特征随机扰动与非确定性推理
机器学习
2022-06-20 v2
摘要
众所周知，向训练特征中注入高斯噪声具有正则化特性。本文考虑了将噪声注入传递给推理的数值或类别表格特征，这将使推理转化为非确定性结果，并可能对公平性考量、对抗样本保护或其他受益于非确定性的用例具有相关性。我们提供了用于表格预处理的 Automunge 库作为实践资源，该库包含了在量子电路支持下整合随机采样或熵播种的选项，代表了一种将量子算法引入经典学习的新途径。
引用
@article{arxiv.2202.09248,
title = {Stochastic Perturbations of Tabular Features for Non-Deterministic Inference with Automunge},
author = {Nicholas J. Teague},
journal= {arXiv preprint arXiv:2202.09248},
year = {2022}
}
备注
42 pages, 23 figures