Python ML μπορούμε να κάνουμε εσκεμμένα 1 classifier να έχει πολύ χαμηλό prediction accuracy

[DrKo]

2 ώρες πριν, Lanike71 είπε

Όταν συγκεντρώνεις δεδομένα, ποτέ δεν ξέρεις αν σου πετάξει garbage , μέχρι να τρέξεις τον αλγόριθμο ή αλγορίθμους.

Αυτό δεν ισχύει. Το να συγκεντρώνει κανείς δεδομένα και «μετά βλέπουμε τι θα βγει», είναι εντελώς λάθος και μη sustainable policy για data collection και dataset creation.

Αυτό δεν σημαίνει ότι κανείς έχει καλυμμένα τα πάντα και μαζεύει δεδομένα για να μάθει τις παραμέτρους. Σημαίνει όμως ότι υπάρχει μία καλή εκτίμηση για το τι δεδομένα πρέπει να μαζευτούν, πώς, με τι παραδοχές, τι να προσεχθεί, και τι να διορθωθεί, ώστε να είναι δυνατόν να γίνει ένα robust και realistic training του μοντέλου. Το οποίο διαφέρει πολύ από το «αν σου πετάξει garbage».

Εάν δεν ξέρεις εάν θα σου πετάξει garbage ο αλγόριθμος που σκοπεύεις να χρησιμοποιήσεις, ρώτα κάποιον που να ξέρει πώς να συλλέγει δεδομένα. 

——————————————-

1 ώρα πριν, vs_skg είπε

Ας συμφωνησουμε οτι διαφωνουμε.

Δεν είναι θέμα διαφωνίας και συμφωνίας. Είναι θέμα:

1 ώρα πριν, vs_skg είπε

Αερα πατερα ισως ξεκιναει ο χομπιστας η ο software engineer, ο ML engineer εχει μια αρκετα καλη ιδεα του αν ειναι εφικτο να μοντελοποιησει το προβλημα με ML η οχι. Το να πετας σκατα στον τοιχο κι οτι κολλησει σιγουρα δεν ειναι ουτε η δημοφιλεστερη ουτε η καλυτερη προσέγγιση απο αποψη και χρονου και αποτελεσματος. 

 

Επεξ/σία 11 Δεκεμβρίου 2021 από DrKo