信任问题：不确定性估计无法在医疗表格数据上实现可靠的分布外检测
机器学习
2020-11-20 v1 人工智能
机器学习
摘要
在医疗保健等高风险现实环境中部署机器学习模型时，准确评估模型对异常输入预测的不确定性至关重要。然而，分析该问题在医疗数据上的文献很少，尤其是在电子健康记录等混合类型表格数据上。我们通过一系列测试填补了这一空白，这些测试包含多种当代不确定性估计技术，以确定它们能否识别分布外（OOD）患者。与先前工作不同，我们基于现实且临床相关的 OOD 群体设计测试，并在真实世界医疗数据上运行实验。我们发现几乎所有技术都未能取得令人信服的结果，部分结果与早期发现不一致。
引用
@article{arxiv.2011.03274,
title = {Trust Issues: Uncertainty Estimation Does Not Enable Reliable OOD Detection On Medical Tabular Data},
author = {Dennis Ulmer and Lotta Meijerink and Giovanni Cinà},
journal= {arXiv preprint arXiv:2011.03274},
year = {2020}
}