Filtro Seguro de Muestras Robusto Distribucionalmente

En este estudio, proponemos un método de aprendizaje automático llamado Filtro Seguro de Muestras Robusto Distribucionalmente (DRSSS). DRSSS tiene como objetivo identificar muestras de entrenamiento innecesarias, incluso cuando la distribución de las muestras de entrenamiento cambia en el futuro. Para lograr esto, combinamos efectivamente el paradigma robusto distribucional (DR), que busca mejorar la robustez del modelo frente a variaciones en la distribución de datos, con el filtrado seguro de muestras (SSS), que identifica muestras de entrenamiento innecesarias antes del entrenamiento del modelo. Dado que necesitamos considerar un número infinito de escenarios respecto a los cambios en la distribución, aplicamos SSS porque no requiere el entrenamiento del modelo después del cambio de distribución. En este documento, empleamos el marco de cambio de covariables para representar la distribución de las muestras de entrenamiento y reformulamos el problema de cambio de covariables DR como un problema de minimización del riesgo empírico ponderado, donde los pesos están sujetos a incertidumbre dentro de un rango predeterminado. Al extender la técnica SSS existente para acomodar esta incertidumbre en los pesos, el método DRSSS es capaz de identificar de manera confiable muestras innecesarias bajo cualquier distribución futura dentro de un rango especificado. Proporcionamos una garantía teórica para el método DRSSS y validamos su rendimiento a través de experimentos numéricos en conjuntos de datos sintéticos y del mundo real.