How to avoid machine learning pitfalls: a guide for academic researchers

论文提交于2021年8月5日（v1），2023年2月9日更新了第三版本，V3地址https://arxiv.org/abs/2108.02497

作者Michael A. Lones是爱丁堡赫瑞瓦特大学数学与计算机科学系副教授，主要研究方向包括优化、机器学习、数据科学、复杂系统和非标准计算，以及在生物学、医学、机器人和安全问题中的应用。

 

本文档简要概述了使用机器学习时发生的一些常见错误，以及可以做些什么来避免这些错误。虽然它应该可供任何对机器学习技术有基本了解的人使用，但它最初是为研究学生编写的，并专注于学术研究中特别关注的问题，例如需要进行严格的比较并得出有效结论。

它涵盖了机器学习过程的五个阶段：模型构建前该做什么，如何可靠地构建模型，如何稳健地评估模型，如何公平比较模型，以及如何报告结果。

论文地址：https://arxiv.org/pdf/2108.02497.pdf 

 

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除