Зачем нужен SEO-аудит сайта и как он влияет на продажи в 2026 году
Украине поставили первые истребители F-16, которые, без преувеличения, собирали буквально всем миром. Однако судна взлететь не успели: их "горячо" встретили наши ракеты и ...
Воспроизводимость
n0mad_0 — 03.08.2010
Что-то меня начинает злить проблема воспроизводимости в machine
learning -комьюнити.Вот казалось бы статья. Парни подробно описали все алгоритмы, указали их параметры. Использовали открытые датасеты.
Но! Но не рассказали каким образом делали разбиение на тестовую и обучающую выборку (или как делали cross-validation) на 1м из датасетов.
В результате у меня все отлично работает, но результаты отличаются от приведенных в статье на 10%. Вот теперь думаю - это баг в тщательно вылизанном коде или разный подход к оценке?
Для достижения счастья имхо нужно делать так:
0. Использовать открытые датасеты, лучше сразу поделенные на learning/validation части.
Иногда, правда, все равно
понадобится резать кусочки (например, для настройки параметров
обучения). Так как самостоятельное распространение данных обычно
запрещено, авторы статей должны выкладывать скрипты разбиения
датасета на части. Работа скриптов должна быть детерминирована.
Например, остаток от деления хешфункции номера строчки на константу
или же "рандомизатор" с seed и пр.
1. В дополнение к статье нужно выкладывать код.Конечно, это усложняет жизнь
авторам. Зато среди плюсов (1) если код хороший, его будут
использовать, ссылаться и пр (2) поможет победить проблему
воспроизводимости (3) людям будет проще продолжать вашу работу. В
конце концов исходный код - это такое же описание алгоритмов,
только более полное.
2. Естественно, все подробно описывать =)Правда, сразу же видны и проблемы:
1. Все это неприменимо к публикациям результатов, полученных в промышленных компаниях, так как не на все задачи есть открытые данные, а про открытие кода вообще молчу.
2. Качество кода все равно может быть таким, что ой-вей, лучше бы не показывали =) а значит, никто так и не заглянет.
Вообще говоря, стоит разделять воспроизводимость, повторимость и сравнимость. В идеале, работа по факту должна обладать всеми этими признаками. Следование пункту (0) обеспечивает сравнимость, (1) - повторимость. (0..2) - воспроизводимость.
(разного родаTREC/LETOR/IMAT/Netflix_Prize/mlcomp.org тоже обеспечивают сравнимость результатов внутри себя).
В общем, для себя я решил выкладывать код по возможности. А что об этом думает общественность? У вас есть такие проблемы? Как вы их решаете?
Ссылка с обсуждением по теме: Daniel Lemire blog
UPD. Из обсуждения по ссылке.
I have reviewed papers with open data. It was great, I ran some
stats and proved to myself that their stats were at least correct,
I even found a mistake in one of their p-values where they made an
erroneous decision on the border (it didn’t affect the rest of the
paper).
Может быть, есть еще не упомянутые мною бонусы =)
Сохранено
|
|
</> |
Оставить комментарий
Популярные посты:
Архив записей в блогах:
На поленьях смола, как слеза. И поёт мне в землянке гармонь Про улыбку твою и глаза... Эти слова написал герой сегодняшнего выпуска рубрики #юбилеиосени , поэт и журналист Алексей Александрович Сурков. Человек, стихи которого не только можно но и нужно перечитывать в числе #10книг ...
Че-то в УРБе денек выдался какой-то творческий. А давайте-ка сравним ваши и наши арифметики по мировым известностям России и Украины. Так что б знали и у Парижу, и у Уошингтоне и у самом Йерушалаиме. Тока тех, кто стал "звяздой" до СССР! Поехали! 1. ...
Роузи Хантингтон-Уайтли вчера во время показа Animale в рамках недели моды в Сан-Паулу. ...
