Degeneration der Zuverlässigkeit - AWSPräskriptive Anleitung

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Degeneration der Zuverlässigkeit

Praktiker von Deep Learning gehen oft davon aus, dass Testdaten und Trainingsdaten dieselbe Verteilung teilen. Leider gilt diese Annahme nicht immer in der Praxis. Die Welt entwickelt sich, und Daten, die aus der Zukunft generiert werden, sind oft nicht vertrieben (ood). Folglich, wenn sich der Kontext ändert, wird die Annahme in der Verteilung weniger realistisch, ebenso die Zuverlässigkeit unserer Vorhersagen und Unsicherheiten (Fort, Hu und Lakshminarayanan 2019,Nalisnick et al. 2019,Ovadia et al. 2019) enthalten. Tatsächlich kann die vorausschauende Leistung abnehmen, während die Vertrauensmaße zunehmen, was zu einem stillen Versagen führt.