「あえて精度勝負をしない機械学習」という選択肢 - 渋谷駅前で働くデータサイエンティストのブログ

少し前のことですが、こんな話題がありました。 自分がこれまで現職で手がけた機械学習ソリューションでは 1. そもそも「予測」ではなく「説明（解釈）」をアウトプットにする 2. クラス分類確率の高いものだけアウトプットし、低いものは「未定」扱いにして捨てる などという形で実務の現場で使ってもらってます。精度勝負をしないのも一つの解かと https://t.co/NmZJCPnue2— TJO (@TJO_datasci) 2021年8月29日 実際問題として「ある目的のために機械学習システムを開発し、非常に高精度のものが出来上がったが、結局色々あって実戦投入されなかった」という話は、自分の身の回りでも業界内の伝聞でも事欠きません。 しかし、機械学習と言えばどちらかというと「より精度の高いモデルを追い求める」試み、もう少し下世話に言うと「精度勝負」によって、連綿と発展してきたという歴史がありま

[NickAru]

「そもそも機械学習モデルで達成可能な精度の上限が『現場の人間が考える十分かつ高いと感じられる精度』に達していない」というケースがは医療系AIには多そうだ、と感じます。

[tarotheripper]

事例に出てくるやつ、実際のデータ集めとか機械学習モデルの実装とかはGoogleの人がやったのか、それともお客さんがやったのかどっちなんだろう、とふと気になった。

[geopolitics]

つまりワークマンのエクセル分析が実用性として選択肢になるわけか。

[omega314]

あたり前田のクラッカー

[ys0000]

最終的に業務で活用可能かが一番のポイントだものね。

[mangakoji]

むしろ、結果の説明勝負が人類にとって大事

[mysql8]

SOTAマン「神はサイコロを振らない」