type I error

VAE-Inf 框架将生成学习与假设检验相结合，用于不平衡分类

研究人员推出 VAE-Inf，这是一个新颖的两阶段框架，旨在解决机器学习中长期存在的不平衡分类挑战。该方法将深度表示学习与统计上可解释的假设检验相结合。第一阶段在多数类数据上训练变分自编码器，以建立参考分布，然后用它来构建全局高斯参考模型。第二阶段使用有限的少数样本微调编码器，创建一个判别式分类器，该分类器在不要求严格参数假设的情况下，对第一类错误提供精确控制。