知识卡片
不确定性:预测之外的重要信息
不确定性指因知识有限而无法准确描述未来结果的状态,在深度学习里体现为预测结果的含糊程度。它重要是因为它告诉我们预测的自信程度:当预测不足或过分虚假时,可以拒绝该预测。常规模型只输出预测并盲目接受准确率,不估计这种不确定性,于是在自动驾驶误判白色拖车、图像分类把人误标为大猩猩等场景中酿成错误。贝叶斯深度学习把预测与不确定性关联起来,让低置信度的结果可被拒绝,这正是[[softmax不等于置信度]]试图澄清的前提。
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
- 深度学习的新趋势 不确定性:模型不知道的事 · 查看原书依据
不确定性是由于知识有限而无法准确描述未来结果的状态。 在机器学习或深度学习的上下文中,这与预测结果的含糊性有关,或者与人的主观定义和概念有关,而不是自然的客观事实。
参考来源
- 位置:《Python深度学习架构实用指南(初译)》第08章《深度学习的新趋势》(源文件:`../../book-sources/extracted/Python深度学习架构实用指南(初译)/_epub-src/OEBPS/Text/15.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:原文以不确定性与预测自信程度相关、以及两起误判事故说明缺乏不确定性会导致错误决策,支撑贝叶斯深度学习必须建模不确定性的结论。
- 原始内容:不确定性是由于知识有限而无法准确描述未来结果的状态。 在机器学习或深度学习的上下文中,这与预测结果的含糊性有关,或者与人的主观定义和概念有关,而不是自然的客观事实。