在经验机器学习空间中拓展搜索
机器学习
2018-12-05 v1 机器学习
摘要
作为应用机器学习的研究者和从业者，我们被给定一组关于待解决问题、可获取数据和可用计算资源的需求。我们旨在（在这些约束内）找到问题、数据与算法可靠有用的组合。机器学习会议出版物对算法或技术新颖性的强调导致对该空间一个维度的探索。工业环境中大规模的数据收集和机器学习部署为探索其他维度提供了环境。我们的会议和评审标准可以通过征集和激励独立于算法创新的实验与综合，来更好地支持经验机器学习。
引用
@article{arxiv.1812.01495,
title = {Expanding search in the space of empirical ML},
author = {Bronwyn Woods},
journal= {arXiv preprint arXiv:1812.01495},
year = {2018}
}
备注
Presented at the Critiquing and Correcting Trends in Machine Learning workshop at NeurIPS 2018