賴斯大學統計學家Genevera Allen說，科學家們必須不斷質疑通過機器學習技術獲得的科學發現的準確性和可重複性真人娛樂城直到研究人員開發出可以自我批評的新計算系統。
賴斯（Rice）統計學，計算機科學和電氣與計算機工程副教授以及貝勒醫學院（Baylor College of Medicine）的兒科神經病學副教授艾倫（Allen）將在今天的新聞發布會和美國國會2019年年會的一般性會議上討論這一主題科學進步獎（AAAS）。
“問題是，‘我們真的可以相捕魚達人信使用應用於大型數據集的機器學習技術所取得的發現嗎？”艾倫說。 “在許多情況下，答案可能是“並非沒有檢查”，但下一代機器學習系統正在研究中，該系統將評估其預測的不確定性和可重複性。”
機器學習（ML）是統計和計算機科學的一個分支，與構建從數據中學習而不是從學習中學習的計算系統有關博客娛樂城由於明確的指示。艾倫說，機器學習領域的注意力集中在開發預測模型上，該模型使機器學習能夠基於對已研究數據的理解來對未來數據進行預測。
她說：“這些技術很多都是為了始終做出預測而設計的。” “他們永遠不會帶著’我不知道’或’我什麼都沒發現’回來，因為他們不是故意這麼做的。”
她說，最近發表的關於癌症數據的ML研究中未經證實的數據驅動發現是一地下539包牌個很好的發現 發發網-娛樂城例。
艾倫說：“在精密醫學中，重要的是找到基因組上相似的患者群體，通博娛樂城以便您開發針對特定疾病基因組的藥物療法。”人們已經將機器學習應用於來自臨床隊列的基因組數據，以找到具有相似基因組譜的患者組或聚類。
“但是在某些情況下，發現是不可複制的；她說：“一項研究中發現的星團與另一項研究中發現的星團完全不同。” “為什麼？因為當今大多數機器學習技術總是說：“我找到了一個小組。”有時候，它會更加有用 娛樂城推薦如果他們說‘‘我認為其中一些真的很iwin娛樂城在一起，但我不確定其他人。’”
本文已由萊斯大學提供的材料重新發表。注意：材料的長度和內容可能已被編輯。有關更多信息，請聯繫引用的來源。
