用于风险规避决策的置信机器学习

论文提出一种置信机器学习方法，用置信集合（即概率分布集合）表示认知不确定性，以训练最小化条件风险价值（CVaR）的风险规避预测模型。该方法将置信集合预测与一种新决策规则结合，把每个置信集合映射为单一预测分布用于 CVaR 最小化。在分类、分布偏移和强化学习任务中，该方法能可靠避免灾难性决策，且仅牺牲少量期望性能。