Основные методы оценки устойчивости моделей машинного обучения | Cifra. Информационные технологии и телекоммуникации

УСТОЙЧИВОСТЬ АНСАМБЛЕВЫХ МОДЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ К ИСКАЖЕНИЯМ ТАБЛИЧНЫХ ДАННЫХ

Основные методы оценки устойчивости моделей машинного обучения

Метод	Тип искажения	Метрики	Преимущества	Ограничения
Инъекция шума в признаки	Шум, выбросы	Accuracy, F1	Простота, воспроизводимость	Ограниченная реалистичность
Моделирование пропусков	Пропуски данных	Accuracy, F1	Учёт механизмов пропусков	Зависимость от импутации
Шум в метках классов	Ошибки разметки	Accuracy, F1	Выявляет критическую чувствительность	Сложность моделирования
Относительная деградация	Все типы	ΔAccuracy, ΔF1	Удобство сравнения	Потеря абсолютных значений
Интегральные показатели	Все типы	AUC деградации	Комплексная оценка	Меньшая интерпретируемость