健康领域机器学习的可复现性
机器学习
2019-07-03 v1 计算机与社会
机器学习
摘要
旨在表征、监测和干预人类健康的机器学习算法（ML4H）被期望在规模化运行时，潜在地脱离严格人工监督下，安全且可靠地执行。这一要求使得该领域比其他机器学习领域更需严格关注可复现性问题。在本工作中，我们沿若干与可复现性相关的维度对 100 余篇近期发表的 ML4H 研究论文进行系统评估。我们发现 ML4H 领域相较于更成熟的机器学习领域表现较差，尤其在数据和代码可及性方面。最后，借鉴其他科学领域的成功经验，我们向数据提供方、学术出版机构以及 ML4H 研究界提出促进未来可复现研究的建议。
引用
@article{arxiv.1907.01463,
title = {Reproducibility in Machine Learning for Health},
author = {Matthew B. A. McDermott and Shirly Wang and Nikki Marinsek and Rajesh Ranganath and Marzyeh Ghassemi and Luca Foschini},
journal= {arXiv preprint arXiv:1907.01463},
year = {2019}
}
备注
Presented at the ICLR 2019 Reproducibility in Machine Learning Workshop