在机器学习任务中利用专家意见
机器学习
2021-12-06 v3 计算机与社会
机器学习
摘要
在机器学习任务中，尤其在预测类任务里，科学家往往仅依赖可用的历史数据，而忽视诸如专家意见、民意调查与博彩赔率等未经证实的见解。本文提出一种在机器学习任务中利用专家见解的通用三步框架，并针对体育比赛预测案例构建了四个具体模型。该案例研究中，我们选取了预测 NCAA 男子篮球比赛的任务，这是近年来一组 Kaggle 竞赛的焦点。结果强烈表明，过往模型的良好表现与高分源于偶然，而非得益于性能良好且稳定的模型。此外，我们提出的模型相较 2019 年竞赛的顶尖方案（>0.503）取得了更稳健的结果，对数损失平均值更低（最佳为 0.489），并分别在 2017、2018 与 2019 年排行榜中位列前 1%、10% 与 1%。
引用
@article{arxiv.2008.04216,
title = {Using Experts' Opinions in Machine Learning Tasks},
author = {Jafar Habibi and Amir Fazelinia and Issa Annamoradnejad},
journal= {arXiv preprint arXiv:2008.04216},
year = {2021}
}
备注
These initial results and concrete model structures are flawed and do not represent the work