Рекомендация в отношении использования алгоритмической монокультуры в машинном обучении на конкретных объектах

arXiv: 261 0306941v1 Annuales Type: New Habstrate: Recommendations Machine Learning Deposititions часто оцениваются по одной модели за раз, несмотря на их внедрение среди взаимосвязанных директивных органов. В случае непрерывных предписаний по удобрениям NPK корреляционные ошибки могут агрегироваться между фермами и генерировать системные издержки. Модель совместно используемых и специфических для ферм ошибок в рекомендациях увязывает ожидаемые социальные потери с долями в модели принятия; индекс Херфиндаля-Хиршмана характеризует эффект концентрации, когда общие ошибки моделей являются независимыми, а риски прогнозирования равны. Общая формула, составленная по принципу коварианции, отражает зависимость между типовыми семьями. В тех случаях, когда в частной оптимальной монокультуре доминирует социальная среда, двухмодельный пороговый показатель, а выпуклое правило портфеля ограничивает средний уровень частного прогностического сожаления. Девять образцовых семей в пяти марокканских системах производства зерновых обеспечивают калибровку на основе базовых показателей. В соответствии с иллюстративными параметрами и 10-процентным пределом для оценки степени неуверенности, а также в силу того, что степень диверсификации ниже модели.