distributionally-robust-optimization
훈련 데이터의 분포가 테스트 시점에 변할 수 있음을 가정하고, 가능한 최악의 분포 상황에서도 모델이 일정한 성능을 유지하도록 최적화하는 기법이다. 단순한 평균 성능 극대화보다 모델의 안정성과 신뢰성을 높이는 데 중점을 둔다.
훈련 데이터의 분포가 테스트 시점에 변할 수 있음을 가정하고, 가능한 최악의 분포 상황에서도 모델이 일정한 성능을 유지하도록 최적화하는 기법이다. 단순한 평균 성능 극대화보다 모델의 안정성과 신뢰성을 높이는 데 중점을 둔다.