深度学习的高质量预测区间：一种无分布、集成方法
摘要：神经网络生成预测区间（PIs）来量化回归任务中的不确定性。高质量的PIs应该尽可能窄，同时捕捉一定比例的数据。我们从这个公理直接推导出一个损失函数，不需要假设分布。我们展示了它的形式从似然原理推导而来，可以与梯度下降一起使用，并且集成形式考虑了模型的不确定性。基准实验表明，该方法优于当前最先进的不确定性量化方法，将平均PI宽度减小了超过10%。
作者：Tim Pearce, Mohamed Zaki, Alexandra Brintrup, Andy Neely
论文ID：1802.07167
分类：Machine Learning
分类简称：stat.ML
提交时间：2019-04-10