Muhammad Rajabinasab

MARS方法通过考虑性能差距幅度来增强机器学习模型评估

研究人员推出了一种名为Magnitude-Aware Rank Statistics (MARS)的新方法，以改进机器学习模型的评估。MARS解决了标准Critical Difference (CD)图中的“幅度盲区”问题，这些图忽略了模型之间实际的性能差距。通过引入一个相对边际系数，根据性能差异对离散排名进行加权，MARS旨在提供更真实的模型性能统计表示。