मशीन लर्निंग शोधकर्ताओं के लिए सुझाव (अनुवाद)

1. मॉडल बनाने से पहले करने वाले काम

1.1. डेटा को देखें

1.2. सारा डेटा मत देखें

1.3. पर्याप्त मात्रा में डेटा एकत्र करें

1.4. डोमेन विशेषज्ञों के साथ संवाद करें

1.5. पहले से बहुत शोध करें

1.6. उस स्थिति पर विचार करें जिसमें मॉडल deploy किया जाएगा

2. भरोसेमंद मॉडल कैसे बनाएं

2.1. टेस्ट डेटा की जानकारी leak न होने दें

2.2. अलग-अलग मॉडल आज़माएं

2.3. अनुपयुक्त मॉडल का उपयोग न करें

2.4. hyperparameter को optimize करें

3. मॉडल का सही मूल्यांकन कैसे करें

3.1. उपयुक्त टेस्ट डेटा का उपयोग करें

3.2. validation डेटा का उपयोग करें

3.3. मॉडल का कई बार मूल्यांकन करें

3.4. असंतुलित डेटा पर accuracy का उपयोग न करें

4. मॉडलों की निष्पक्ष तुलना कैसे करें

4.1. बड़ा नंबर हमेशा बेहतर मॉडल का मतलब नहीं होता

4.2. कम्युनिटी benchmark पर भरोसा न करें

5. परिणामों की रिपोर्ट कैसे करें

5.1. परिणामों को पारदर्शी तरीके से सार्वजनिक करें

5.2. प्रदर्शन को कई तरीकों से मापें

5.3. डेटा से आगे बढ़कर सामान्यीकरण न करें