AI时间序列预测基准被批评偏袒深度学习

一篇新论文认为，当前评估AI/ML时间序列预测模型的基准存在缺陷。作者认为，这些基准模型通常偏爱擅长学习重复模式的模型，导致虚假的收益，并掩盖了更简单的经典方法的有效性。他们提出了一个两部分解决方案：更新基准以包含更多具有非平稳性的多样化数据集，并要求深度学习提交包含稳健的经典基线。 AI

影响 这项研究可能导致对时间序列预测模型进行更严格、更有意义的评估，从而提高该领域AI/ML进展的可靠性。

排序理由 该集群包含一篇发表在arXiv上的研究论文，讨论了AI/ML模型评估的方法论。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• arXivLabs
• CatalyzeX Code Finder for Papers
• CORE Recommender
• DagsHub
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• Raeid Saqur
• ScienceCast

• 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 →