How to avoid machine learning pitfalls: a guide for academic researchers

要約

この文書では、機械学習を使用する際に起こりがちな過ちと、それを避けるためにできることを概説している。機械学習のテクニックを基本的に理解している人なら誰でも利用できるはずだが、もともとは研究生向けに書かれたもので、厳密な比較を行い、妥当な結論に到達する必要性など、学術研究において特に懸念される問題に焦点を当てている。本書は、機械学習プロセスの5つの段階、すなわち、モデル構築の前にすべきこと、信頼性の高いモデルの構築方法、モデルの頑健な評価方法、モデルの公正な比較方法、結果の報告方法をカバーしている。

要約(オリジナル)

This document outlines some of the common mistakes that occur when using machine learning, and what can be done to avoid them. Whilst it should be accessible to anyone with a basic understanding of machine learning techniques, it was originally written for research students, and focuses on issues that are of particular concern within academic research, such as the need to do rigorous comparisons and reach valid conclusions. It covers five stages of the machine learning process: what to do before model building, how to reliably build models, how to robustly evaluate models, how to compare models fairly, and how to report results.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL