这些数据集之间有何不同？

Mar, 2024

What is different between these datasets?

Varun Babbar, Zhicheng Guo, Cynthia Rudin

TL;DR通过提出一套可解释性方法对比两个数据集，我们展示了这种方法在各种数据模式下的多功能性，不仅在解释质量和正确性方面优于相关方法，而且能够提供行动性的、互补的见解来有效理解和减轻数据集的差异。

Abstract

The performance of machine learning models heavily depends on the quality of input data, yet real-world applications often encounter various data-related challenges. One such challenge could arise when curating training data or deploying the model in the real world - two comparable dat

machine learning models data-related challenges comparing two datasets interpretable methods dataset differences

发现论文，激发创造

揭示潜在模式：研究数据集相似性、性能和泛化

通过添加一小部分未见图片到训练集中，我们的方法可以降低训练与注释成本，提高监督式深度学习模型的泛化性能，并在动态环境中对未见数据的模型性能提供估计。

Aug, 2023

Shifts 2.0：扩展实际分布漂移数据集

本文扩展了 Shifts 数据集，加入了两个来源于高风险工业应用的数据集，用于探索模型的鲁棒性和不确定性估计。新数据集包括 3D 磁共振脑图像中白质多发性硬化病变的分割和船舶功耗的估计，具有普遍分布转移和严格的安全要求。

Jun, 2022

可解释的机器学习模型差异分析

为了解决模型比较中传统准确度无法描述模型差异的问题，提出使用联合代理树进行模型区分并在模型的决策逻辑上下文中可解释描述模型之间的差异。

Jun, 2023

AI 竞赛与基准测试：数据集开发