用于测深编辑的实验设计
机器学习
2020-07-16 v1 机器学习
摘要
我们描述了机器学习在一个真实世界计算机辅助标注任务中的应用。我们的实验结果暴露了与机器学习中常用的IID（独立同分布）假设的显著偏差。这些结果表明，将所有数据随机划分为训练集和测试集通常会导致较差的性能。
引用
@article{arxiv.2007.07495,
title = {Experimental Design for Bathymetry Editing},
author = {Julaiti Alafate and Yoav Freund and David T. Sandwell and Brook Tozer},
journal= {arXiv preprint arXiv:2007.07495},
year = {2020}
}
备注
Published as a workshop paper at ICML 2020 Workshop on Real World Experiment Design and Active Learning