اگر در حوزه یادگیری ماشین (Machine Learning) و تحلیل بقا (Survival Analysis) فعالیت میکنید، یک مقاله جدید در ICML 2026 هشداری جدی برای شما دارد!
محققان در این پژوهش نشان دادند که اتکای بیش از حد به شاخص «C-index» برای مقایسه مدلها، میتواند گمراهکننده باشد؛ چرا که این معیار، «کالیبراسیون» مدل و دقت زمانی را کاملاً نادیده میگیرد.
نتایج این تحقیق نشان داد که مدلهایی با امتیاز C-index خیرهکننده، ممکن است در تستهای دقیق کالیبراسیون شکست بخورند. این مطالعه روی حوزههای مختلفی مثل خرابی هارد، پیشبینی ریسک اعتباری و ریزش کاربران (Churn) تست شده و ثابت کرده که معیارهای ارزیابی ما نیاز به بازنگری جدی دارند.
نکته مهم برای متخصصان دیتا: دقت بالا در تبعیض (Discrimination) لزوماً به معنای یک مدل قابلاعتماد نیست!
منبع: arXiv Machine Learning