Flore Sentenac

新研究为更换机器学习模型提供框架

一篇新发表在arXiv上的论文探讨了当新的数据源可用时，组织在决定是否从现有机器学习模型切换到新的模型时所考虑的经济和统计因素。该研究提出了一个将学习曲线动态与模型切换经济学联系起来的框架，表明训练和评估新模型的最佳时间与数据收集的周期和学习曲线的形状成正比。该研究还引入了一种顺序评估算法，旨在在没有学习曲线先验知识的情况下实现接近最优的性能，并在真实的信用评分场景中进行了测试。