Data Science braucht Vertrauensintervalle

0

Leistungsgenauigkeit in der Datenwissenschaft ist wichtig – aber woher wissen wir, was eine Verbesserung ist?.Die Forschung und Berichterstattung zum maschinellen Lernen konzentriert sich auf Vorhersagegenauigkeiten.Dieser Fokus existiert sowohl in akademischen (peer-reviewed) als auch in populären Presseumgebungen.Der einzigartige Fokus auf die Veröffentlichung der besten Genauigkeit lässt weitere Fragen offen.Durch Hinzufügen von Unsicherheitsmaßen können die Leser Modelle und Modellierungsentscheidungen besser vergleichen.Traditionelle Statistiken betonen Konfidenzintervalle und die Forschung zum maschinellen Lernen sollte sie ebenfalls übernehmen.Das Verständnis der Variabilität der Modellleistung ermöglicht den Vergleich der tatsächlichen Leistungsunterschiede.Sowohl akademische als auch persönliche Projekte sollten Konfidenzintervalle verwenden, um Leistungsunterschiede zu quantifizieren.Das Hinzufügen von Konfidenzintervallen zu Arbeitsabläufen ist ein einfaches Verfahren.

towardsdatascience.com

Share.

Leave A Reply