贝叶斯模型平均提升分布外鲁棒性

Mads Birch Sørensen等研究者以啮齿动物睡眠分期为案例，比较9种近似推断方法、两种神经网络骨干和5个分布外数据集后发现，贝叶斯模型平均（BMA）通常比点估计提高分布外分类准确率与校准，多盆地方法表现最佳。 研究还称，BMA常改善选择性预测以及分布外数据和伪迹检测，但对分布内表现的提升较小，未改善对评分者间分歧的检测。研究考察的分布偏移包括基因型、实验室和物种差异。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。