К содержанию
Quantoros

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

Похожие вопросы