모수적 분류기의 재검토
기존 연구는 모수적 분류기가 이미 본 범주에 과적합하기 쉽다고 보고 반지도 k평균 같은 비모수 분류를 선호했다. 이 연구는 좋은 감독 신호가 있을 때 기존 설계의 효과를 다시 검증했다.
두 예측 편향
신뢰하기 어려운 의사 표지가 핵심 문제라고 보고 두 종류의 편향을 분석했다. 이미 본 클래스를 더 자주 예측하는 경향과 기존 및 신규 범주에 걸친 예측 분포의 불균형이다.
정규화한 분류 기준선
엔트로피 정규화의 도움을 받는 단순한 모수적 분류 방법을 제안했다. 여러 일반화 범주 발견 벤치마크에서 평가하고 미지 클래스 수에 대한 강건성도 조사했다.
관련 문서
일반화 범주 발견 / 엔트로피 / 의사 표지 / k평균 군집화 / UNO 신규 클래스 발견 / OpenCon