分布内

测试时遇到的情况和训练数据来自同一分布，也就是模型「见过类似的」。

机器学习默认训练数据和测试数据来自同一个概率分布，满足这个条件的测试样本就叫分布内（ID）；来自不同分布的叫分布外（OOD）。Yang 等人的 OOD 检测综述（2021）把分布变化分成两类：协变量偏移（输入的样子变了，比如光照、背景、相机换了，但任务类别没变）和语义偏移（出现了训练里没有的新类别）。在机器人里，「分布内」通常指测试时的物体、场景、摆放位置和指令都落在训练演示覆盖的范围内。很多策略在分布内成功率很高，一换桌布、换物体就大幅下降，所以论文常把分布内和分布外的结果分开报告，用来衡量泛化能力。它和泛化、分布外、分布偏移、长尾问题直接相关。

例子用 50 条演示训练机械臂把红色方块放进盘子，测试时仍是同一张桌子、同一个红方块、位置在训练范围内，这就是分布内测试；换成没见过的绿色杯子就属于分布外。

也叫

分布内数据、同分布

相关

分布外、泛化、分布偏移（协变量偏移）、长尾问题、鲁棒性、物体泛化

来源

Generalized Out-of-Distribution Detection: A Survey (Yang et al.)