ICLR 23 Submission (6.5)｜ 用于领域泛化的因果平衡

简介：虽然机器学习模型在各种现实世界的任务中迅速推进了最先进的技术，但鉴于这些模型容易受到虚假关联的影响，域外（OOD）的泛化仍然是一个具有挑战性的问题。我们提出了一种平衡的小批量抽样策略，基于数据生成过程的基本因果机制的不变性，将有偏差的数据分布转化为无杂散的平衡分布。我们认为，在这种平衡分布上训练的贝叶斯最优分类器在足够多样化的环境空间中是最小最优的。当利用足够多的训练环境时，我们还为提议的数据生成过程的潜在变量模型提供了可识别性保证。在DomainBed上进行的实验表明，我们的方法在该基准上报告的20个基线中获得了最佳性能。