知识卡片
分布变化削弱安全
鲁棒性要求学习结果在输入发生一定变化时仍适用。训练分布与实际环境偏离时,模型可能自信地误判;若监测器也依赖同一分布,它也可能失察。多分布训练能扩大适应范围,但不能据此承诺覆盖一切新环境。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 概述 学习系统的特有薄弱环节 · 查看原书依据
机器学习的鲁棒性要求,即使新的数据在学习数据的基础上有一定的变化,学习所得的结果也应具有适用性。 ,74] 鲁棒性不强的系统,其模型的泛化能力不强;当应用环境中数据的分布特性与训练数据的分布特性存在偏差时,就可能做出意想不到的判断或决策,蕴
参考来源
- 位置:《人工智能安全》概述,学习系统的特有薄弱环节(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能安全/_epub-src/EPUB/xhtml/Section0001_0004.xhtml)
- 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;书中历史数据与技术预测保留原有时点,不当作当前已验证结论。
- 原始内容:机器学习的鲁棒性要求,即使新的数据在学习数据的基础上有一定的变化,学习所得的结果也应具有适用性。 ,74] 鲁棒性不强的系统,其模型的泛化能力不强;当应用环境中数据的分布特性与训练数据的分布特性存在偏差时,就可能做出意想不到的判断或决策,蕴