本次与大家分享Thomas G.Dietterich的鲁棒机器学习教程讲义。

目录如下：

• 第1讲：校准概率。本节课讨论如何从监督分类器获得校准概率。这对于做出拒绝决定很有用，对于cost-sensitive的分类，处理类不平衡以及作为更大的AI系统的组件也是有用的。

• 第2讲：带有拒绝选项的分类。为了正确地做出拒绝决策，我们不需要获得经过校准的概率。这节课讨论了设置拒绝阈值的方法，该阈值提供了准确性保证。这包括标准的阈值法和保角预测法。

• 第3讲：开放类别检测。前两讲仅考虑了具有iid训练数据的封闭世界的情况。在本节课中，我们讨论了检测属于不存在于训练数据中的类的测试查询的问题。

• 第4讲：异常检测。大多数开放类别方法都使用异常检测方法来进行新奇类查询。本节课讨论了八种异常检测算法的基准研究。然后介绍由Alan Fern，Md.Amran Siddiqui开发的罕见模式异常检测理论，该理论给出了异常检测方法的PAC式理论。