AdapTable:面向表格数据的测试时间适应性,通过移位感知不确定性校正器和标签分布处理器
原文中文,约700字,阅读约需2分钟。发表于: 。通过研究表明,在处理常见的表格数据领域中的分布偏移问题时,现有的模型往往无法准确预测,导致模型崩溃。本文提出了一种名为 AdapTable 的新型表格测试时间适应方法,通过估计目标标签分布并根据经过校准的不确定性调整初始概率,直接修改输出概率,解决了源领域标签分布偏差和类别不平衡的问题,广泛的实验证明了该方法的适应性。
测试时间适应(TTA)是解决训练与测试数据分布差异的方法。现有方法在每个测试样本上执行反向传播,导致优化成本高。为了解决这个问题,提出了一种高效的抗遗忘测试时间适应(EATA)方法,通过样本选择准则识别可靠的测试样本,减少遗忘。进一步提出了用校准的EATA(EATA-C)来分别利用模型不确定性和数据不确定性进行校准的TTA。实验证明了该方法的有效性。