Machine learningTrustworthy ML
분포 외 탐지
분포 외(Out-of-Distribution, OOD) 탐지는 배포된 머신러닝 모델이 훈련 데이터 분포와 상당히 다른 입력을 받을 때 이를 식별하는 기술 집합입니다. 2017년 Hendrycks와 Gimpel에 의해 공식적인 문제로 소개된 이 방법들은 모델이 신뢰할 수 없는 예측을 조용히 생성하는 대신, 익숙하지 않은 입력을 표시할 수 있도록 하여 고위험 영역에서 신뢰할 수 있고 안전한 AI 배포의 기초를 마련합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Hendrycks, D., & Gimpel, K. (2017). A baseline for detecting misclassified and out-of-distribution examples in neural networks. International Conference on Learning Representations. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 2). Out-of-Distribution Detection. ScholarGate. https://scholargate.app/ko/machine-learning/out-of-distribution-detection
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
Compare side by side →