Conseils aux chercheurs en machine learning (traduction)

1. Ce qu’il faut faire avant de créer un modèle

1.1. Examinez les données

1.2. Ne regardez pas toutes les données

1.3. Assurez-vous d’avoir suffisamment de données

1.4. Communiquez avec les experts métier

1.5. Faites beaucoup de recherches préalables

1.6. Tenez compte du contexte dans lequel le modèle sera déployé

2. Comment créer un modèle fiable

2.1. Évitez les fuites d’information depuis les données de test

2.2. Essayez différents modèles

2.3. N’utilisez pas de modèles inadaptés

2.4. Optimisez les hyperparamètres

3. Comment évaluer correctement un modèle

3.1. Utilisez des données de test appropriées

3.2. Utilisez des données de validation

3.3. Évaluez le modèle plusieurs fois

3.4. N’utilisez pas l’accuracy sur des données déséquilibrées

4. Comment comparer équitablement les modèles

4.1. Un chiffre plus élevé ne signifie pas forcément un meilleur modèle

4.2. Ne faites pas confiance aux benchmarks de la communauté

5. Comment présenter les résultats

5.1. Publiez les résultats en toute transparence

5.2. Mesurez les performances de plusieurs façons

5.3. Ne généralisez pas au-delà des données