Degeneration de fiabilité - AWSConseils prescriptifs

Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

Degeneration de fiabilité

Les praticiens du Deep Learning supposent souvent que les données de test et de formation partagent la même distribution. Malheureusement, cette hypothèse n'est pas toujours valable dans la pratique. Le monde évolue et les données générées à partir du futur sont souvent hors distribution (ood). Par conséquent, à mesure que le contexte change, l'hypothèse en distribution devient moins réaliste, tout comme la fiabilité de nos prévisions et de nos incertitudes (Fort, Hu et Lakshminarayanan 2019,Nalisnick et coll. 2019,Ovadia et coll. 2019). En fait, les performances prédictives peuvent diminuer tandis que les mesures de confiance augmentent, ce qui provoque une défaillance silencieuse.