Кітаптан алынған дәйексөздер  Машинное обучение без иллюзий. Понимание возможностей и границ ML

автор Сергей Кирницкий

Пользователь #.дәйексөз келтірді8 ай бұрын

сигнал к продаже, что привело к каскадному обрушению рынка. Модели пытались экстраполировать за пределы известной им области, где закономерности уже не работали. Ключевое ограничение

2 Ұнайды

Ұнайды

Комментарий жазу

Бөлісу

nadcablookдәйексөз келтірді6 ай бұрын

Теперь мы решаем: какие данные собирать, какую архитектуру модели выбрать, какую метрику оптимизировать, где поставить пороговое значение. Каждое из этих решений влияет на судьбы тысяч людей, но принимается на уровне метарешений, часто без полного понимания последствий.

1 Ұнайды

Ұнайды

Комментарий жазу

Бөлісу

Елисейдәйексөз келтірді2 апта бұрын

Метрика растёт, реальная продуктивность падает. Это классический пример закона Гудхарта в действии: когда метрика становится целью, она перестаёт быть хорошей метрикой.

Ұнайды

Комментарий жазу

Бөлісу

Ника Я.дәйексөз келтірді3 апта бұрын

Математические допущения о распределении данных (статистических характеристиках данных) могут казаться чисто техническими, но имеют реальные последствия. Многие алгоритмы предполагают нормальное распределение (колоколообразную кривую частот) признаков.

Ұнайды

Комментарий жазу

Бөлісу

Ника Я.дәйексөз келтірді3 апта бұрын

Допущения о независимости признаков (характеристик объектов) часто нарушаются в реальном мире. Наивный байесовский классификатор (алгоритм, предполагающий независимость признаков друг от друга) популярен для некоторых задач именно из-за своей простоты. Он предполагает, что вероятность появления каждого признака независима от других.

Ұнайды

Комментарий жазу

Бөлісу

Ника Я.дәйексөз келтірді3 апта бұрын

Временные допущения — предположение, что будущее будет похоже на прошлое — лежат в основе всего машинного обучения.

Ұнайды

Комментарий жазу

Бөлісу

Ника Я.дәйексөз келтірді3 апта бұрын

факторов и недооценивать роль случайности. Допущения о репрезентативности выборки создают особенно коварные проблемы. Модель (система машинного обучения) предполагает, что обучающие данные (данные для настройки модели) представляют всю популяцию, на которой она будет применяться. Но это редко соответствует реальности.

Ұнайды

Комментарий жазу

Бөлісу

Ника Я.дәйексөз келтірді3 апта бұрын

Модель машинного обучения (система статистического анализа), обученная на таких данных, будет систематически переоценивать роль измеримых факто

Ұнайды

Комментарий жазу

Бөлісу

Ника Я.дәйексөз келтірді3 апта бұрын

Проблема выжившего — ещё одно критическое допущение, часто остающееся незамеченным. Мы анализируем только те данные, которые «выжили» до момента анализа, игнорируя то, что исчезло по пути.

Ұнайды

Комментарий жазу

Бөлісу

Ника Я.дәйексөз келтірді3 апта бұрын

Ещё более фундаментальное допущение касается самой природы задачи классификации (разделения объектов на категории). Алгоритмы классификации предполагают, что мир состоит из дискретных, чётко разделённых категорий. Но реальность часто представляет собой континуум.

Ұнайды

Комментарий жазу

Бөлісу

1. Басты
2. ⭐️Прикладная наука
3. Сергей Кирницкий
4. Машинное обучение без иллюзий. Понимание возможностей и границ ML
5. 📖Дәйексөздер