  |
はてなキーワード: 学習とは
ひとりの人間が制作トラブルから自ら命を絶ってしかもそれが原作者で
それはそれは悲しい話でやるせないとは思うんだけど
自殺があったからといってそれだけの重大なトラブルや責任があったとは言えない
（逆に言うと犠牲者が出てない事案を軽んじていいわけでもない）
ビジネス上のトラブルで取引相手が自殺するなんてドラマ制作側視点で見れば予見不可能
運が悪かったとも言える
社内調査の回答がああいう反応なのもおかしなことではないと思う
この果てに今度は日テレや小学館からまた犠牲者を出してしまうのではないかと
ネット民は勧善懲悪的な価値観なのでそれでスッキリかもしれないけど
残された周囲の人の悲しみを想像してみてほしい
もうひとつは騒ぎが大きくなるほど自殺が「問題を世に訴えるための最善の手段」になってしまうこと
この騒ぎで学習した人々は窮状に陥ったとき同じことをしようとするだろう
それが恐ろしい
はい、Kaggleのようなブラックボックスのリーダーボードで評価する現場は存在します。
機械学習モデルの評価には、一般的に以下の2つの方法があります。
1. **ホールドアウト評価**: 学習データを訓練データとテストデータに分割し、テストデータでモデルを評価する方法。[1]
2. **ブラックボックス評価**: 評価用のデータセットが公開されず、サーバーにモデルを提出して評価される方法。Kaggleのコンペティションがこの方式。[1][2]
つまり、Kaggleのようなブラックボックス評価は、機械学習の様々な現場で採用されている評価方式の1つであり、特に実運用に近い評価が求められる場合に有効な手段となっています。[1][2][3]
Citations:
[1] https://qiita.com/Shun_PI/items/896d05ed9689f4b24347
[2] https://www.kikagaku.co.jp/kikagaku-blog/kaggle-competition/
[3] https://www.kikagaku.co.jp/kikagaku-blog/signate-competition/
[4] https://www.topgate.co.jp/blog/google-service/8707
[5] https://www.jst.go.jp/crds/pdf/2023/RR/CRDS-FY2023-RR-02.pdf
訓練データの分布が、99%がTrueで1%がFalseってタイプのやつだとするだろ？
それでそのまま評価するにしろ、F1を使うにしろ、実用の精度の評価は難しいんよ
F1で評価するにしても、それは「ランダム分類機よりは汎化性能が高い」ということならわかるが、実用判断だと「Falseの見逃しは減らせ！」ってことが結構ある
生物系専攻してたけど、化学はそれなりに出てくるが物理はゼロに等しかった。でも、これも何を専攻したかによると思うわ。例えば、生態系や環境系専攻してたら地学にも詳しくなれるだろうけど、ワクチンとかそっち方面はさっぱりだろうしね。あらゆる学問を網羅的に学習するのは不可能だからこそ、専門家は自分の仕事に責任を持てって思う。
