Genauigkeit ist nicht alles: Gute Modelle sind überall versteckt

Bitte schließen Sie sich Charlottesville Data Science für den Vortrag "Genauigkeit ist nicht alles: Gute Modelle sind überall versteckt" von Evzenie Coupkova, einer Mathematik-PhD von Purdue, an. In diesem Vortrag wird Evzenie statt sich auf ein "bestes" Modell zu konzentrieren, die breite Landschaft möglicher Modelle erkunden, betrachten, was es bedeutet, dass ein Machine Learning Modell für ein bestimmtes Problem „gut“ ist, und die Kompromisse zwischen prädiktiver Genauigkeit und anderen wünschenswerten Merkmalen wie Generalisierung und Interpretierbarkeit untersuchen. Wir treffen uns persönlich an der UVA School of Data Science am Abend des Donnerstag, den 8. Oktober. Wir freuen uns darauf, Sie dort zu sehen! → Haben Sie sich für das Charlottesville Data Science Substack angemeldet? Wenn nicht, überlegen Sie bitte, sich unter https://news.cvilleds.org anzumelden. Es ist kostenlos und der Hauptweg, wie wir Ankündigungen und Updates zu Veranstaltungen mit der Datenwissenschafts-, KI- und Machine Learning-Community in Charlottesville und Zentralvirginia teilen. ← Über den Vortrag Datenwissenschaftler konzentrieren sich oft auf ein einziges "bestes" Modell — das mit der höchsten Genauigkeit. Aber was wäre, wenn wir alle möglichen Modelle betrachten würden? Würden viele andere ähnliche Genauigkeit erzielen und wie hängt das vom Datensatz ab? Dieser Vortrag liegt an der Schnittstelle zwischen Cynthia Rudins Arbeiten zur Interpretierbarkeit und Sanjeev Aroras Forschung zur Optimierung und Generalisierung neuronaler Netzwerke. Wir beginnen mit einfachen, intuitiven Fällen: linearen Modellen, die auf Gaußsche Mischungen angewendet werden. Wir erkunden, wo sich die hoch- und niedrig-genauen Modelle im Parameterraum befinden und wie sich der Anteil "guter" Modelle ändert, während sich die Distanz zwischen den Klassenmittelwerten vergrößert. Wir wandeln uns dann zu zufällig initialisierten neuronalen Netzwerken und stellen die gleiche Frage: Welcher Anteil von ihnen sind "gute" Klassifikatoren? Mit Sanjeev Aroras matrixbasiertem Ansatz zur Messung der Datensatzkomplexität untersuchen wir, wie diese Komplexität den Anteil „guter“ Netzwerke beeinflusst. Die Ergebnisse von Experimenten mit lebensnahen Datensätzen variierender Stichprobengrößen und Dimensionalität werden präsentiert. Hinter beiden Teilen des Vortrags steht ein allgemeines Prinzip, das für jedes Modell-Daten-Paar gilt: Wenn Sie wissen, dass "gute" Modelle reichlich vorhanden sind, können Sie die Generalisierung verbessern, ohne viel Genauigkeit einzubüßen. Sie können auch ein Modell wählen, das besser zu Ihren Bedürfnissen passt, eines, das leicht interpretierbar und für Umgebungen mit hohen Einsätzen (wie im Gesundheitswesen oder im Justizsystem) geeignet ist, eines, das spärlich ist, oder eines, das den von einem menschlichen Experten auferlegten Einschränkungen entspricht. Wenn Sie Ihre Perspektive ändern und die volle Landschaft der Modelle erkunden möchten, ist dieser Vortrag für Sie. Über den Sprecher Evzenie Coupkova hat einen PhD in Mathematik von der Purdue University und ist auf statistische Lerntheorie, maschinelles Lernen und hochdimensionale Datenanalyse spezialisiert. Ihre Forschung untersucht die dimensionsreduzierung, den Anteil hochgenauer Modelle und die Generalisierbarkeit im Zusammenhang mit Zufälligkeit und Datensatzlabels. Sie hat mit Industriepartnern zusammengearbeitet und ihre Arbeiten auf Konferenzen wie IPAM-UCLA und SIAM MDS präsentiert, wobei sie mathematische Strenge mit praktischen Datenwissenschaftsanwendungen verbindet.