研究人员引入了一个名为ADC后推断的新框架,以解决通过主动数据收集(ADC)收集的数据在后续推断任务中重用时,统计有效性面临的挑战。该方法考虑了数据收集过程和数据依赖的目标构建引入的偏差。该框架旨在提供有效的p值和置信区间,适用于各种ADC过程,而无需对底层黑盒函数或代理模型做出严格假设。 AI
影响 使使用主动数据收集的机器学习工作流程中的统计分析更加可靠。
排序理由 该集群包含一篇详细介绍新统计推断框架的学术论文。
- active data collection (ADC)
- black-box optimization
- Gaussian process upper confidence bound (GP-UCB)
- post-ADC inference
- tree-structured Parzen estimator (TPE)
- sequential model-based optimization (SMBO)
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →