Nieuws

Waarom het belangrijk is om te stoppen met overgeaggregeerde machine learning metrieken

MIT-onderzoekers hebben aangetoond dat machine learning modellen vaak falen wanneer ze worden toegepast op data die anders zijn dan de data waarop ze zijn getraind. In hun onderzoek ontdekten ze dat een model dat goed presteert in een bepaalde ziekenhuisomgeving, tot 75 procent van de patiënten in een ander ziekenhuis slecht kan presteren. Ze ontwikkelden een algoritme genaamd OODSelect om deze problemen te detecteren en te verbeteren.