Чем выбор модели в реальном проекте отличается от соревнования?
Classic MLУровень: ПрактикаML concepts — Sebastian Raschka FAQ
Чем выбор модели в реальном проекте отличается от соревнования?
Подсказки
- Сформулируйте задачу, входные данные и то, что модель должна предсказывать.
- Сравните метод с простым baseline: допущения, функция потерь и независимая проверка.
Ответ
Помимо метрики учитывают сроки, стоимость, задержку, обслуживание, интерпретируемость и риск. Небольшой прирост качества может не оправдать сложный ансамбль, а простая объяснимая модель — лучше соответствовать цели. После изучения данных полезен простой baseline, затем более сложные варианты на одинаковой честной валидации. Выбор должен отвечать заранее определённому критерию успеха, а не стремиться к максимальному баллу любой ценой.
Источник и лицензия: Sebastian Raschka — Python Machine Learning FAQ · MIT · перевод: Quantoros