Buchumschlag

Good practices for evaluation of machine learning systems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ferrer, Luciana, Scharenborg, Odette, Bäckström, Tom
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DiVeQ: Differentiable Vector Quantization Using the Reparameterization Trick
von: Vali, Mohammad Hassan, et al.
Veröffentlicht: (2025)

Unsupervised Panoptic Interpretation of Latent Spaces in GANs Using Space-Filling Vector Quantization
von: Vali, Mohammad Hassan, et al.
Veröffentlicht: (2024)

A practical approach to evaluating the adversarial distance for machine learning classifiers
von: Siedel, Georg, et al.
Veröffentlicht: (2024)

Lessons from the trenches on evaluating machine-learning systems in materials science
von: Alampara, Nawaf, et al.
Veröffentlicht: (2025)

ECUAS$_n$: A family of metrics for principled evaluation of uncertainty-augmented systems
von: Estienne, Lautaro, et al.
Veröffentlicht: (2026)

Questionable practices in machine learning
von: Leech, Gavin, et al.
Veröffentlicht: (2024)

Meshless method stencil evaluation with machine learning
von: Rot, Miha, et al.
Veröffentlicht: (2022)

A metrological framework for uncertainty evaluation in machine learning classification models
von: Bilson, Samuel, et al.
Veröffentlicht: (2025)

A unified framework for evaluating the robustness of machine-learning interpretability for prospect risking
von: Chowdhury, Prithwijit, et al.
Veröffentlicht: (2026)

Quality analysis and evaluation prediction of RAG retrieval based on machine learning algorithms
von: Zhang, Ruoxin, et al.
Veröffentlicht: (2025)

Evaluating Posterior Probabilities: Decision Theory, Proper Scoring Rules, and Calibration
von: Ferrer, Luciana, et al.
Veröffentlicht: (2024)

EnCodecMAE: Leveraging neural codecs for universal audio representation learning
von: Pepino, Leonardo, et al.
Veröffentlicht: (2023)

Supervised machine learning for microbiomics: bridging the gap between current and best practices
von: Dudek, Natasha K., et al.
Veröffentlicht: (2024)

A practical guide to machine learning interatomic potentials -- Status and future
von: Jacobs, Ryan, et al.
Veröffentlicht: (2025)

Transparency challenges in policy evaluation with causal machine learning -- improving usability and accountability
von: Rehill, Patrick, et al.
Veröffentlicht: (2023)

Predicting Depression: a comparative study of machine learning approaches based on language usage.
von: Luciana Mariñelarena-Dondena
Veröffentlicht: (2017)

A machine learning model for skillful climate system prediction
von: Zhou, Chenguang, et al.
Veröffentlicht: (2025)

Matbench Discovery -- A framework to evaluate machine learning crystal stability predictions
von: Riebesell, Janosh, et al.
Veröffentlicht: (2023)

A machine learning approach to automation and uncertainty evaluation for self-validating thermocouples
von: Bilson, Samuel, et al.
Veröffentlicht: (2025)

On the importance of structural identifiability for machine learning with partially observed dynamical systems
von: Norden, Janis, et al.
Veröffentlicht: (2025)

Improving Whispered Speech Recognition Performance using Pseudo-whispered based Data Augmentation
von: Lin, Zhaofeng, et al.
Veröffentlicht: (2023)

Good flavor search in SU(5): a machine learning approach
von: Abu-Ajamieh, Fayez, et al.
Veröffentlicht: (2025)

Towards a more realistic evaluation of machine learning models for bearing fault diagnosis
von: Vieira, João Paulo, et al.
Veröffentlicht: (2025)

Locating disparities in machine learning
von: von Zahn, Moritz, et al.
Veröffentlicht: (2022)

Suppressing unknown disturbances to dynamical systems using machine learning
von: Restrepo, Juan G., et al.
Veröffentlicht: (2023)

Recommendation systems in e-commerce applications with machine learning methods
von: Poniszewska-Maranda, Aneta, et al.
Veröffentlicht: (2025)

Verifiable evaluations of machine learning models using zkSNARKs
von: South, Tobin, et al.
Veröffentlicht: (2024)

Help the machine to help you: an evaluation in the wild of egocentric data cleaning via skeptical learning
von: Bontempelli, Andrea, et al.
Veröffentlicht: (2025)

Classification of power quality events in the transmission grid: comparative evaluation of different machine learning models
von: Güvengir, Umut, et al.
Veröffentlicht: (2025)

Comprehensive evaluation of Mal-API-2019 dataset by machine learning in malware detection
von: Li, Zhenglin, et al.
Veröffentlicht: (2024)

Inferring the relationship between soil temperature and the normalized difference vegetation index with machine learning
von: Mortier, Steven, et al.
Veröffentlicht: (2023)

FuXi-2.0: Advancing machine learning weather forecasting model for practical applications
von: Zhong, Xiaohui, et al.
Veröffentlicht: (2024)

Improving aircraft performance using machine learning: a review
von: Clainche, Soledad Le, et al.
Veröffentlicht: (2022)

SLIDE: A machine-learning based method for forced dynamic response estimation of multibody systems
von: Manzl, Peter, et al.
Veröffentlicht: (2024)

Anticipating tipping in spatiotemporal systems with machine learning
von: Deb, Smita, et al.
Veröffentlicht: (2026)

Scientific machine learning in ecological systems: A study on the predator-prey dynamics
von: Devgupta, Ranabir, et al.
Veröffentlicht: (2024)

Practical machine learning is learning on small samples
von: Sapir, Marina
Veröffentlicht: (2025)

Understanding with toy surrogate models in machine learning
von: Páez, Andrés
Veröffentlicht: (2024)

When to retrain a machine learning model
von: Florence, Regol, et al.
Veröffentlicht: (2025)

Curating art exhibitions using machine learning
von: Covas, Eurico
Veröffentlicht: (2025)