【哈佛大学】机器学习的层次局限性，65页pdf, Machine Learning Hierarchy Limitations

题目： A Hierarchy of Limitations in Machine Learning

简介：

“所有模型都是错误的，但有些模型是有用的，”乔治·E·普·博克斯（George E. P. Box）（1979）说。机器学习专注于概率模型在社会系统中进行预测的有用性，但是直到现在才掌握了这些模型错误的方式以及这些缺点的后果。本文尝试对机器学习模型在应用于社会时的特定概念，过程和统计局限性进行全面，结构化的概述。机器学习建模者本身可以使用所描述的层次结构来识别可能的故障点，并思考如何解决这些故障点，并且机器学习模型的使用者在面对有关是否，在何处以及如何应用机器学习的决策时可以知道要问什么。局限性从量化本身固有的承诺到显示未建模的依存关系如何导致交叉验证作为评估模型性能的方式过于乐观的局限性。

 

目录：

 

地址：

https://arxiv.org/abs/2002.05193

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“HLML” 就可以获取《哈佛大学-机器学习的层次局限性，A Hierarchy of Limitations in Machine Learning》专知下载链接

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源