Reliable Probabilistic Classification with Neural Networks

要約

Venn Prediction (VP) は、適切に調整された確率的予測を生成するための新しい機械学習フレームワークです。
特に、問題の考えられる各クラスに属する例の条件付き確率について、適切に調整された下限と上限が提供されます。
この論文では、最も広く使用されている機械学習技術の 1 つであるニューラル ネットワーク (NN) に基づいた 5 つの VP 手法を提案します。
提案された手法は 4 つのベンチマーク データセットで実験的に評価され、得られた結果は、その出力が経験的に適切に調整されていることと、従来の NN 分類器の出力に対する優位性を示しています。

要約(オリジナル)

Venn Prediction (VP) is a new machine learning framework for producing well-calibrated probabilistic predictions. In particular it provides well-calibrated lower and upper bounds for the conditional probability of an example belonging to each possible class of the problem at hand. This paper proposes five VP methods based on Neural Networks (NNs), which is one of the most widely used machine learning techniques. The proposed methods are evaluated experimentally on four benchmark datasets and the obtained results demonstrate the empirical well-calibratedness of their outputs and their superiority over the outputs of the traditional NN classifier.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google