https://zh.d2l.ai/chapter_multilayer-perceptrons/environment.html
上述算法依赖于一个重要的假设： 需要目标分布(例如，测试分布)中的每个数据样本在训练时出现的概率非零。请问这里应该怎么理解？
我觉得是这个公式决定的吧，要不然重要性权重就变成无穷大了
1 Like
标签偏移那，混淆矩阵C是怎么得到的啊？没看明白
正如我们向他们解释的那样，用近乎完美的精度来区分健康和患病人群确实很容易。 然而，这是可能因为受试者在年龄、激素水平、体力活动、 饮食、饮酒以及其他许多与疾病无关的因素上存在差异。 这对检测疾病的分类器可能并不适用。 这些抽样可能会遇到极端的协变量偏移。
区分容易是因为无关因素有差异吗？不应该是无关因素差异越小越容易区分吗？另外抽样遇到协变量偏移是相对于什么而言的？是因为大学生的特征相对于一般健康男性发生了偏移吗？还是说用大学生作为健康样本训练出来的模型，用在测试所有其他病人时会遇到协变量偏移的情况。
意思是说区分正负样本容易，因为正负样本在一些无关变量上差异很大。但是这些变量实际上和疾病预测无关，对预测疾病没有帮助。模型只是区分了年轻人和老年人而不是健康人和患者。
1 Like
第二题是不是构建一个二分类，训练后得到的函数是h(x)，若对于任意的x来源于训练集都有h(x)=0，那么就没有偏移，反之则发生了偏移
看下我和gpt的对话
Q: 也就是说，只有血液特征，没有年龄、激素水平、体力活动、饮食、饮酒等数据特征，训练出来的分类器可以很准确的区分病人和健康人，但是如果用来实际预测的化，效果很容易被干扰。
比如一个饮酒的健康人，可能血液样本会类似病人？
A:是的，您理解得非常正确。
在这个例子中，我们假设仅使用血液特征进行训练，并且没有考虑其他与疾病无关的因素。在这种情况下，分类器可能会在训练数据上表现出很高的准确度，能够很好地区分病人和健康人。
然而，在实际应用中，存在多种与疾病无关的因素，如年龄、激素水平、体力活动、饮食、饮酒等。这些因素可能会对血液样本产生影响，使得一些健康人的血液样本与患病人的血液样本相似，从而干扰了分类器的准确性。
比如，如果一个健康人长期饮酒，那么他的血液样本可能会反映出某种异常，类似于患病人的血液样本。这样，即使他是健康的，分类器也可能错误地将他归类为患病人。
因此，为了提高分类器的准确性和适用性，我们需要综合考虑多个因素，并引入更多相关的特征，而不仅仅依赖于血液特征。这样可以更好地对疾病进行预测和诊断，减少由于其他因素引起的误判。
第二题提示说构造一个分类器来实现协变量偏移检测器，常规思路可能就是用源分布来训练分类器，再在目标分布上进行测试，根据测试集上预测结果和实际标签的吻合情况来判断。可是这样怎么区分是协变量偏移还是分类器过拟合呢，还是说有更好的思路？还望各位大佬不吝赐教QwQ