Guiding Data Allocation for Robust Subpopulation Generalization

机器学习模型在训练数据中通常能获得较高的平均准确率，但在测试数据上表现不佳，这可能是由于子群体偏移。一种常见的数据导向解决方案是强制子群体比例均衡，但完全均衡可能成本高、不可行，且不一定必要。在本工作中，我们研究是否均衡的训练数据是实现稳健子群体泛化唯一最优配置。