مقاله گسترش انتخاب مدل آگاه به تغییرپذیری با تشخیص سوگیری در پروژه های یادگیری ماشین

چکیده

Data science projects often involve various machine learning (ML) methods that depend on data, code, and models. One of the key activities in these projects is the selection of a model or algorithm that is appropriate for the data analysis at hand. ML model selection depends on several factors, which include data-related attributes such as sample size, functional requirements such as the prediction algorithm type, and non-functional requirements such as performance and bias. However, the factors that influence such selection are often not well understood and explicitly represented. This paper describes ongoing work on extending an adaptive variability-aware model selection method with bias detection in ML projects. The method involves: (i) modeling the variability of the factors that affect model selection using feature models based on heuristics proposed in the literature; (ii) instantiating our variability model with added features related to bias (e.g., bias-related metrics); and (iii) conducting experiments that illustrate the method in a specific case study to illustrate our approach based on a heart failure prediction project. The proposed approach aims to advance the state of the art by making explicit factors that influence model selection, particularly those related to bias, as well as their interactions. The provided representations can transform model selection in ML projects into a non ad hoc, adaptive, and explainable process.

چکیده به فارسی (ترجمه ماشینی)

پروژه های علوم داده اغلب شامل روشهای مختلف یادگیری ماشین (ML) است که به داده ها ، کد و مدل ها بستگی دارد.یکی از فعالیتهای مهم در این پروژه ها ، انتخاب یک مدل یا الگوریتم مناسب برای تجزیه و تحلیل داده های موجود است.انتخاب مدل ML به چندین عامل بستگی دارد ، که شامل ویژگی های مربوط به داده مانند اندازه نمونه ، الزامات عملکردی مانند نوع الگوریتم پیش بینی و الزامات غیر عملکردی مانند عملکرد و تعصب است.با این حال ، عواملی که بر چنین انتخابی تأثیر می گذارند ، اغلب به خوبی درک نشده و صریحاً نشان داده نمی شوند.در این مقاله کار مداوم در گسترش یک روش انتخاب مدل آگاهی از تنوع تطبیقی با تشخیص تعصب در پروژه های ML شرح داده شده است.این روش شامل موارد زیر است: (i) مدل سازی تنوع عواملی که بر انتخاب مدل با استفاده از مدل های ویژگی بر اساس اکتشافی ارائه شده در ادبیات تأثیر می گذارد.(ب) فوری مدل تنوع ما با ویژگی های اضافه شده مربوط به تعصب (به عنوان مثال ، معیارهای مربوط به تعصب).و (iii) انجام آزمایشاتی که روش را در یک مطالعه موردی خاص نشان می دهد تا رویکرد ما را بر اساس یک پروژه پیش بینی نارسایی قلبی نشان دهد.رویکرد پیشنهادی با هدف پیشبرد وضعیت هنر با ایجاد عوامل صریح که بر انتخاب مدل تأثیر می گذارد ، به ویژه موارد مرتبط با تعصب و همچنین تعامل آنها.بازنمودهای ارائه شده می توانند انتخاب مدل را در پروژه های ML به یک فرآیند غیر موقت ، سازگار و قابل توضیح تبدیل کنند.