Selective Hypothesis Testing

新理论优化选择性假设检验，最大限度地减少犹豫不决

一篇新的arXiv论文介绍了一个选择性假设检验的理论框架，旨在最大限度地减少犹豫不决，同时实现低于贝叶斯误差率的目标精度。该研究表征了选择性分类中的最优风险，并展示了犹豫不决选择的连续性和单调性。所提出的方法应用于Neyman-Pearson检验框架内，在固定第一类错误概率的情况下允许控制第二类错误，实验表明在高斯混合模型和真实世界数据集中的选择性精度有所提高。