深度稳定学习

导读：当训练数据和测试数据所处的概率分布不同时，如何提升深度学习的泛化能力，清华大学崔鹏教授的论文“Deep Stable Learning for Out-Of-Distribution Generalization”，提出基于特征权重重置的StableNet，在包括NICO的数据集上，都表现良好。原作者解读该文 因果学习新进展：深度稳定学习 （本文相对来说，有更多笔者自创的例子，相对更好理解，但对原文的重点把握不清）1）让模型适应不同的数据集随着机器学习算法在生活中的广泛应用，大众希望算法在任何环境下都表现的靠谱，但考虑到机器学习算法的决策规则，来自训练数据集。对于和训练数据集差异较大的环境，如何确保该环境下保证算法的效果，这是稳定学习想要解决的问题。               稳定学习的目标 ………………………………