Notice bibliographique
Résumé
L'apprentissage automatique correspond à la science de l'apprentissage à partir d'exemples.Des algorithmes basés sur cette approche sont aujourd'hui omniprésents.Bien qu'il y ait eu un progrès significatif, ce domaine présente des défis importants.Par exemple, simplement sélectionner la fonction qui correspond le mieux aux données observées n'offre aucune garantie statistiques sur les exemples qui n'ont pas encore été observées.Quelques théories sur l'apprentissage automatique offrent des façons d'aborder ce problème.Parmi ceux-ci, nous présentons la modélisation bayésienne de l'apprentissage automatique et l'approche PACbayésienne pour l'apprentissage automatique dans une vue unifiée pour mettre en évidence d'importantes similarités.Le résultat de cette analyse suggère que de considérer les réponses de l'ensemble des modèles plutôt qu'un seul correspond à un des éléments-clés pour obtenir une bonne performance de généralisation.Malheureusement, cette approche vient avec un coût de calcul élevé, et trouver de bonnes approximations est un sujet de recherche actif.Dans cette thèse, nous présentons une approche novatrice qui peut être appliquée avec un faible coût de calcul sur un large éventail de configurations d'apprentissage automatique.Pour atteindre cet objectif, nous appliquons la théorie de Bayes d'une manière différente de ce qui est conventionnellement fait pour l'apprentissage automatique.Spécifiquement, au lieu de chercher le vrai modèle à l'origine des données observées, nous cherchons le meilleur modèle selon une métrique donnée.Même si cette différence semble subtile, dans cette approche, nous ne faisons pas la supposition que le vrai modèle appartient à l'ensemble de modèles explorés.Par conséquent, nous disons que nous sommes agnostiques.Plusieurs expérimentations montrent un gain de généralisation significatif en utilisant cette approche d'ensemble de modèles durant la phase de validation croisée.De plus, cet algorithme est simple à programmer et n'ajoute pas un coût de calcul significatif à la recherche d'hyperparamètres conventionnels.Finalement, cet outil probabiliste peut également être utilisé comme un test statistique pour évaluer la qualité des algorithmes sur plusieurs ensembles de données d'apprentissage.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,037 | 0,022 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».