Se Yoon Lee

新的MEC方法通过改进的不确定性量化来增强半监督推理

研究人员开发了一种名为机器学习辅助广义熵校准（MEC）的新方法，以改进半监督推理和不确定性量化。MEC是预测驱动推理（PPI）的一种交叉拟合、校准加权变体，它重新加权标记样本以更好地匹配目标总体，即使机器学习预测器被错误指定也能提高效率和鲁棒性。该方法在比现有PPI方法更弱的假设下实现了半参数效率界限，从而获得更准确的置信区间和覆盖范围。