Почему важно выходить за рамки чрезмерно агрегированных метрик машинного обучения
Исследователи из Массачусетского технологического института (MIT) обнаружили существенные примеры сбоев моделей машинного обучения, когда эти модели применяются к данным, отличным от тех, на которых они были обучены. Это поднимает вопросы о необходимости тестирования всякий раз, когда модель внедряется в новой среде. «Мы демонстрируем, что даже когда вы обучаете модели на больших объёмах данных и выбираете … Читать далее