Warum es wichtig ist, über übermäßig aggregierte maschinelle Lernmetriken hinauszugehen | MIT-Nachrichten
admin MIT-Forscher haben bedeutende Beispiele für das Scheitern von Modellen des maschinellen Lernens identifiziert, wenn diese Modelle auf andere Daten angewendet werden als die, auf denen sie trainiert wurden. Dies wirft…