Сегодня был очередной приглашённый докладчик - вещал про structure learning. По вопросам я заметил одну интересную черту. Очень большое внимание уделяется вопросу "а почему именно предложенная модель работает лучше?". Любая модель (вместе с методом оценки её параметров) состоит из множества "кусочков" - тут мы применили то, тут мы оптимизировали эдак. Встаёт вопрос - а что именно сыграло решающую роль? Правда ли что модель адекватней отражает суть проблемы, или просто для неё автор с большой любовью подбирал методы оптимизации? Может вообще вся фишка не сложной модели а в удачном prior?
Все это нужно выяснять ставя очень аккуратные эксперименты. Идея в том, что бы, например, когда сравниваешь свой метод, то выбирать такие методы для сравнения, которые отличаются только по интересующему параметру. Или, например, сравнить свой метод с ним же самим, но с отключённой фичей и т.п. В общем, нужно ботать правильную постановку экспериментов :)
Подписаться на:
Комментарии к сообщению (Atom)
Комментариев нет:
Отправить комментарий