论文工作复现性是业界关注的问题,如何确保可复现?这篇报告系统性讲述一种理论到实践

https://www.cs.mcgill.ca/~ksinha4/practices_for_reproducibility/

机器学习中的复现性:从理论到实践

摘要: 机器学习研究中经常遇到的一个挑战是确保所提出和发表的结果是可靠的、鲁棒的和可复现的。复现性是验证研究结果的可靠性的必要步骤,即使用相同的代码和数据(如果可用的话),获得与论文或演讲中提出的相似的结果。可复现性也是促进开放和可获取研究的一个重要步骤,从而允许科学界迅速整合新发现并将想法转化为实践。复现性还促进了健壮的实验工作流的使用,这可能减少无意的错误。在这次演讲中,我将首先展示一些关于机器学习研究中复现性需求的统计数据,然后介绍最近社区为促进可复现性科学所采取的方法。最后,我将深入讨论实验工作流程,你可以整合到你的研究,以确保和促进可复现的科学。

我们将分享常用的工具,并解释12种基本做法,你可以在你的研究中使用,以确保科学的可重复性。

成为VIP会员查看完整内容
47

相关内容

“机器学习是近20多年兴起的一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论,机器学习与统计推断学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。很多 推论问题属于 无程序可循难度,所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
最新《因果推断导论》课程,102页ppt
专知会员服务
180+阅读 · 2020年9月1日
【ICML2020】机器学习无参数在线优化,294页ppt
专知会员服务
54+阅读 · 2020年8月1日
一图搞定ML!2020版机器学习技术路线图,35页ppt
专知会员服务
93+阅读 · 2020年7月28日
专知会员服务
146+阅读 · 2020年6月15日
【NeurIPS2019报告推荐】公平与表示学习—UIUC Sanmi Koyejo教授
周志华教授:如何做研究与写论文?
专知会员服务
154+阅读 · 2019年10月9日
2018自然语言处理与机器学习论文发表统计
哈工大SCIR
3+阅读 · 2019年1月11日
【强化学习】强化学习入门以及代码实现
产业智能官
18+阅读 · 2017年9月4日
技术 | 强化学习入门以及代码实现
AI100
51+阅读 · 2017年8月26日
OD-GCN: Object Detection by Knowledge Graph with GCN
Arxiv
4+阅读 · 2019年9月30日
Object detection on aerial imagery using CenterNet
Arxiv
6+阅读 · 2019年8月22日
Arxiv
12+阅读 · 2019年4月9日
Arxiv
3+阅读 · 2018年6月14日
Arxiv
3+阅读 · 2017年10月1日
VIP会员
相关VIP内容
微信扫码咨询专知VIP会员