知识卡片
notMNIST不确定性示例
notMNIST 含 A 到 J 的灰度字母图像,与训练用的 0 到 9 数字分布不同。手写数字 7 的样本在 30 次采样中预测全为 7,表现一致且自信;而字母 A 的预测却散落在 2、3、5、6、8 之间,非常不一致。原文据此说明:由于真实类别 A 根本不在模型的 10 类中,预测具有高不确定性,理应被拒绝;常规模型却只会给出一个不附带任何置信度或确定性信息的预测。这是[[不确定性:预测之外的重要信息]]价值最直观的验证。
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 用不确定性拒绝预测:notMNIST 示例 · 查看原书依据
这些预测是非常不一致的。 如我们所见,2,3,5,6和8到处都是 。 这是我们所期望的,因为基本事实是模型知道的A,不是 10 类(0至9)中的任何一个。 在贝叶斯学习中,预测具有很高的不确定性,因此我们将拒绝我们的预测。
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:原文对比 7 的一致预测与 A 的分散预测并主张拒绝后者,支撑不确定性能有效识别分布外输入。
- 原始内容:这些预测是非常不一致的。 如我们所见,2,3,5,6和8到处都是 。 这是我们所期望的,因为基本事实是模型知道的A,不是 10 类(0至9)中的任何一个。 在贝叶斯学习中,预测具有很高的不确定性,因此我们将拒绝我们的预测。