政策は専門じゃないが、元増の言うところはモデリングだと思うので。
意思決定のためのモデルを策定する時の基本的なメトリックとして、parsimoniousnessというのがある。
機械学習モデルでも解析的モデルでも、データへのフィットと複雑さというのはトレードオフの関係にある。
モデルが複雑であればあるほど色んな状況に対応することが出来るが、複雑なモデルはしばしば問題を起こす。データを集めるのも難しくなるし、色んな状況ひとつひとつでちゃんと動作するかのテストをいちいちやんなきゃならないし、他のステークホルダーに説明して理解してもらうのに時間がかかる。
複雑さに見合った改善がないことには、より単純なモデルの方がいいって結論になる。
モデルを複雑にすれば色々な状況に対応出来るから、いくらでも複雑にしようって言うのは間違い。コストと効果を総合的に見て判断するべき。
プログラマに複雑で緻密な条件を決めさせれば、もしかすると複雑でレアな状況によく対応できるかもしれない。でも、そのプログラマの仕事が正しいかを確かめるのは困難になるし、なぜ給付されないかを説明するのも難しくなる。
給付条件って優秀なプログラマさんがいい感じの条件分岐とか作ってあげた方がいいんじゃないすか 本当に必要な人に迅速にという条件って言葉で言うほど条件分岐は簡単じゃなさそう...
政策は専門じゃないが、元増の言うところはモデリングだと思うので。 意思決定のためのモデルを策定する時の基本的なメトリックとして、parsimoniousnessというのがある。 機械学習モデ...
なるほどな、ある程度の振れ幅はしょうがないって感じになっちゃうのか
条件分岐の設計は発注側の仕事なんやで本当は