BenchMake：将任何科学数据集转换为可重复基准

基准数据集是机器学习开发和应用的基石，确保新方法稳健、可靠且具竞争力。由于计算科学中问题的独特性以及相关领域变化速度，基准数据集的稀缺性使计算科学家难以评估新创新。本文开发并测试了一种新工具，旨在潜在地将越来越多的公开可获取科学数据集转换为社区可访问的基准。BenchMake使用非负矩阵分解来确定性地识别并隔离凸面（包含所有现有数据实例的最小凸集）上的具有挑战性的边缘情况，并将所需比例的匹配数据实例划分为测试集，以最大化跨tabular、graph、image、signal和textual等不同模态的数据实例之间的差异和统计显著性。将BenchMake划分与使用十个来自科学不同领域、不同大小、形状和分布的公开基准集进行比较，以确定划分和随机划分。