新的机器学习评估指标优先考虑计算成本而非准确率

一篇新研究论文提出了一种机器学习模型评估的范式转变，超越了最大准确率，转而考虑计算成本。该指标基于达到目标准确率所需的梯度下降步数，被视为一种新颖的自动化机器学习（AutoML）形式。在11个模型和五个数据集上的实验表明，大的学习率可以优化此成本指标，从而促进泛化并减少训练时间。该研究还确定了实现较低准确率目标与性能极限的不同策略，建议前者采用单次运行，后者采用多次短时重启。 AI

影响 这项研究可能会改变机器学习模型的基准测试方式，在准确率之外同样重视效率和计算成本。

排序理由 介绍机器学习模型新评估指标的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.NE (Neural & Evolutionary) 阅读 →

• arXiv
• automated machine learning
• genetic programming
• gradient descent
• Koza
• machine learning
• superconvergence

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →