Blind-Spot Mass: A Good-Turing Framework for Quantifying Deployment Coverage Risk in Machine Learning Systems
盲区质量：一种用于量化机器学习系统部署覆盖风险的Good-Turing框架
机构 * University of Maryland, Baltimore County (UMBC)（马里兰大学巴尔的摩县分校） ； Massachusetts Institute of Technology（麻省理工学院） ； Ambient Scientific Inc（Ambient Scientific公司）
AI总结 本文提出盲区质量框架，用于量化机器学习系统部署覆盖风险，通过Good-Turing方法估计概率质量，识别关键风险区域，为工业实践提供数据收集和约束优化指导。
Comments 15 pages, 7 figures, 1 table; submitted to Journal of Machine Learning Research (JMLR)
