全部新闻
准确性已死:您实际需要的校准,歧视和其他指标|迈向数据科学
数据科学家通常依靠准确性作为模型评估的主要指标,但可能会产生误导,尤其是在不平衡的数据集或回归任务中。这篇文章探讨了更高级和量身定制的指标,超出了简单的准确性,可以使用足球数据中的实际示例来更好地评估分类和回归问题的模型性能。要点: - 准确性不足以评估与类不平衡类的模型。 - 对于分类,ROC-AUC,PR-AUC,对数损失,Brier评分和校准曲线比准确性提供了更多的有见地的评估。 - 在回归任务中,讨论了R²,RMSLE,MAPE/SMAPE等指标,以更深入地了解模型性能。 - 强调了特征策展,高级评估指标和透明可视化在构建强大预测模型中的重要性。
这项运动旨在批评特朗普是非法的
密苏里州的总检察长安德鲁·贝利(Andrew Bailey)以欺骗性的商业惯例威胁了Google,Microsoft,OpenAI和Meta,因为他们的AI聊天机器人据称对唐纳德·特朗普(AI Chatbots)的批评很差,要求列出对反犹太主义的最后五位总统的要求。这是对科技公司的政治压力模式的,该公司始于特朗普的第一个总统职位,并继续在新政府的领导下,以对保守价值观的偏见为目标。专家警告说,尽管言论自由法律保护,但这种压力可能会导致AI开发人员的自审查。