面向可证伪、可复制与可复现实证性机器学习研究的设计原则
机器学习
2024-05-29 v1 人工智能
摘要
实证研究在机器学习领域发挥着根本性作用。高影响力的实证研究核心在于 developing clear research hypotheses，这些假设随后决定实验的设计。必须以精确的方式执行实验，以确保可靠的结果，随后进行统计分析以解释这些结果。这一过程对于支持或反驳初始假设至关重要。尽管如此，机器学习社区中存在高度的研究实践差异，以及对实证研究质量标准的统一理解。为弥合这一差距，我们提出了实证研究过程的模型，伴随一系列指南以维护实证研究的有效性。通过拥抱这些建议，可以实现更大的一致性、更高的可靠性和更大的影响力。
引用
@article{arxiv.2405.18077,
title = {Design Principles for Falsifiable, Replicable and Reproducible Empirical ML Research},
author = {Daniel Vranješ and Oliver Niggemann},
journal= {arXiv preprint arXiv:2405.18077},
year = {2024}
}