Fugu-MT 論文翻訳(概要): Position: Embracing Negative Results in Machine Learning

論文の概要: Position: Embracing Negative Results in Machine Learning

arxiv url: http://arxiv.org/abs/2406.03980v1
Date: Thu, 6 Jun 2024 11:51:12 GMT
ステータス: 処理完了
システム内更新日: 2024-06-07 15:10:00.880098
Title: Position: Embracing Negative Results in Machine Learning
Title（参考訳）: ポジション:機械学習における否定的な結果を受け入れる
Authors: Florian Karl, Lukas Malte Kemeter, Gabriel Dax, Paulina Sierak,
Abstract要約: 予測パフォーマンスだけでは出版価値の指標にはならない、と私たちは主張する。本稿では、ネガティブな結果を公開する利点を示し、コミュニティが彼らの出版が正規化されるパラダイムへと進むための具体的な手段を提供する。
参考スコア（独自算出の注目度）: 0.7499722271664147
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Publications proposing novel machine learning methods are often primarily rated by exhibited predictive performance on selected problems. In this position paper we argue that predictive performance alone is not a good indicator for the worth of a publication. Using it as such even fosters problems like inefficiencies of the machine learning research community as a whole and setting wrong incentives for researchers. We therefore put out a call for the publication of "negative" results, which can help alleviate some of these problems and improve the scientific output of the machine learning research community. To substantiate our position, we present the advantages of publishing negative results and provide concrete measures for the community to move towards a paradigm where their publication is normalized.
Abstract（参考訳）: 新たな機械学習手法を提案する出版物は、主に選択された問題に対する予測性能によって評価される。このポジションペーパーでは、予測性能だけでは出版価値の指標にはならないと論じている。機械学習の研究コミュニティ全体の非効率性や、研究者のインセンティブの誤った設定など、問題も生じます。そこで我々は,これらの問題を緩和し,機械学習研究コミュニティの科学的成果を改善するために,「否定的」な結果の公表を呼び掛けた。我々の立場を裏付けるために、我々は、ネガティブな結果を公開する利点を示し、コミュニティが出版が正規化されるパラダイムに進むための具体的な措置を提供する。

関連論文リスト

Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
実際には、因果研究者は先験を念頭において1つの結果を持っていない。政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
論文参考訳（メタデータ） (2024-04-29T08:16:30Z)
Too Good To Be True: performance overestimation in (re)current practices for Human Activity Recognition [49.1574468325115]
データセグメンテーションのためのスライディングウィンドウと、標準のランダムk倍のクロスバリデーションが続くと、バイアスのある結果が得られる。この問題に対する科学界の認識を高めることは重要であり、その否定的な影響は見落とされつつある。異なるタイプのデータセットと異なるタイプの分類モデルを用いたいくつかの実験により、問題を示し、メソッドやデータセットとは独立して持続することを示すことができる。
論文参考訳（メタデータ） (2023-10-18T13:24:05Z)
In Search of Insights, Not Magic Bullets: Towards Demystification of the Model Selection Dilemma in Heterogeneous Treatment Effect Estimation [92.51773744318119]
本稿では,異なるモデル選択基準の長所と短所を実験的に検討する。選択戦略,候補推定器,比較に用いるデータの間には,複雑な相互作用があることを強調した。
論文参考訳（メタデータ） (2023-02-06T16:55:37Z)
Generating Summaries for Scientific Paper Review [29.12631698162247]
機械学習とNLPにおけるトップの会場への応募の増加は、レビュアーに過剰な負担を課す問題を引き起こしている。レビュープロセスを支援する自動システムは、問題を改善するための解決策になり得る。本稿では,学術論文の自動レビュー要約生成について検討する。
論文参考訳（メタデータ） (2021-09-28T21:43:53Z)
DeepZensols: Deep Natural Language Processing Framework [23.56171046067646]
この作業は、一貫した結果を再現できるフレームワークです。自然言語処理(NLP)ディープラーニング(DL)モデルの作成、トレーニング、評価を行う手段を提供する。
論文参考訳（メタデータ） (2021-09-08T01:16:05Z)
Unsupervised Learning of Debiased Representations with Pseudo-Attributes [85.5691102676175]
教師なし方式で,単純かつ効果的な脱バイアス手法を提案する。特徴埋め込み空間上でクラスタリングを行い、クラスタリング結果を利用して疑似属性を識別する。次に,非偏り表現を学習するために,クラスタベースの新しい重み付け手法を用いる。
論文参考訳（メタデータ） (2021-08-06T05:20:46Z)
Some Ethical Issues in the Review Process of Machine Learning Conferences [0.38073142980733]
最近の機械学習コミュニティの成功により、カンファレンスに提出された論文の数が大幅に増加した。この増加は、これらのカンファレンスが使用している現在のレビュープロセスに影響を及ぼすいくつかの問題をより顕著にした。本研究では, 審査員の採用問題, 二重盲検プロセスの侵害, 不正行為, 数値評価のバイアス, 付録現象について検討した。
論文参考訳（メタデータ） (2021-06-01T21:22:41Z)
A Measure of Research Taste [91.3755431537592]
生産性と味の両方に報いる引用に基づく尺度を提案する。提示された尺度capは、出版物とその量の影響のバランスをとる。本研究では, 生物学, 計算機科学, 経済学, 物理分野の研究者を対象に, capの特性を解析した。
論文参考訳（メタデータ） (2021-05-17T18:01:47Z)
Individual Explanations in Machine Learning Models: A Survey for Practitioners [69.02688684221265]
社会的関連性の高い領域の決定に影響を与える洗練された統計モデルの使用が増加しています。多くの政府、機関、企業は、アウトプットが人間の解釈可能な方法で説明しにくいため、採用に消極的です。近年,機械学習モデルに解釈可能な説明を提供する方法として,学術文献が多数提案されている。
論文参考訳（メタデータ） (2021-04-09T01:46:34Z)
Poincare: Recommending Publication Venues via Treatment Effect Estimation [40.60905158071766]
バイアス補正法を用いて、出版場所の選択による潜在的影響を効果的に推定する。我々は,コンピュータサイエンスカンファレンスの論文データを用いた手法の有効性を強調した。
論文参考訳（メタデータ） (2020-10-19T00:50:48Z)
Evolving Methods for Evaluating and Disseminating Computing Research [4.0318506932466445]
社会と技術の動向は、コンピュータ研究の評価と普及の方法を大きく変えた。会議や雑誌などのレビューや出版のための伝統的な会場は、過去には効果的に機能していた。多くのコンファレンスでは応募者数が大幅に増加した。研究思想の普及は、arXiv.orgやソーシャルメディアなどの出版の場を通じて劇的に進んでいる。
論文参考訳（メタデータ） (2020-07-02T16:50:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。