← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 8428.a.1.b · 生成模型:未记录

分布变化削弱安全

理解等级:中级

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?

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