麻省理工学院 发布 Benchmarking Suite for Active Model Selection 数据集, 应用在 模型选择、机器学习 领域

麻省理工学院 本次发布的数据集 Benchmarking Suite for Active Model Selection, 该数据集是一个由26个基准任务组成的集合，旨在捕捉各种模型选择场景。这些任务涉及计算机视觉和自然语言处理领域的实际用例，为未来模型选择研究提供了支持。数据集的创建过程是通过收集和标注候选模型的预测结果来进行的，这些预测结果被用来指导对测试数据点的标注，从而有效地区分出最佳候选模型。CODA方法通过在概率框架内建立分类器、类别和数据点之间的关系，实现了基于共识的主动模型选择。该数据集的应用领域是模型选择，旨在解决如何从众多可用的机器学习模型中选择最佳模型的问题。

查看Benchmarking Suite for Active Model Selection

README 内容： 

关于 麻省理工学院 , 麻省理工学院，位于美国马萨诸塞州剑桥市，是一所全球知名的私立研究型大学，以其在科学、工程和技术领域的创新和领导地位而闻名。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。