怎么制作一个网站及小程序,设计制作售卖,建设一个旅游网站必备的,wordpress透明化插件转自 | 量子位只要输入一次心跳的波谱。就能判断一个人有没有发生心力衰竭 (CHF) #xff0c;准确率100%。这是英国华威大学领衔的团队#xff0c;用机器学习方法做出的新成果。还登上了影响因子2.943的Biomedical Signal Processing and Control期刊。准确率眼看就要突破天际… 转自 | 量子位只要输入一次心跳的波谱。就能判断一个人有没有发生心力衰竭 (CHF) 准确率100%。这是英国华威大学领衔的团队用机器学习方法做出的新成果。还登上了影响因子2.943的Biomedical Signal Processing and Control期刊。准确率眼看就要突破天际高得反常识招来了铺天盖地的质疑主要的疑点有两个疑似过拟合 (没有规律硬拗出规律) 疑似数据泄漏 (训练集和测试集有重叠) 。一日之间话题在Reddit论坛的热度已经超过了400那么来看看到底发生了什么。怎样的研究这项研究是依靠心电图 (ECG) 来推测人有没有出现充血性心力衰竭 (CHF) 也就是人们常说的心力衰竭指的是心脏没能推送足够的血量维持身体所需。来自华威大学、佛罗伦萨大学以及萨里大学的科学家们想让AI去看看心力衰竭的心电图波形有没有规律可寻。于是团队设计了一维的卷积神经网络 (CNN) 用公开的心电图数据集训练它给心电图做二分类正常 vs 心衰。训练完成后团队用490,505次心跳的数据集测试了模型结果训练集上的分类准确率达到了99.9%论文还写到重要的是模型发现了心衰的心电图有非常突出的形态特征可以用于诊断不过研究用的数据集受到了质疑准确率受到了质疑连AI发现的重要特征也受到了质疑。实验的漏洞乍一看论文的样本数量似乎很大论文作者采集了275,974正常的ECG心跳样本和214,531个心脏衰竭患者的样本总数量达到了49万个。但仔细一看其实样本的数量是非常少的总共也只有33个人一个人多个的心跳不是独立样本。心衰患者的数据来自BIDMC数据集每秒采样250个样本正常人的数据来自MIT-BIH每秒采样128个样本。当采用两个不同数据集时需要对其中一组数据进行下采样匹配另一组数据的频率。不过研究人员已经注意到这一点在训练前做了预处理大漏洞不在这里。但之后的训练过程就令人产生了数据泄漏 (Data Leakage) 的质疑。首先数据集被随机分成三个较小的子集分别进行训练、验证和测试(相当于总数据的50、25和25)。每个人的心跳数据只包含在了一个数据集中没有在多个数据集里重复出现。因为作者知道如果一个人的心跳数据在训练集和测试集都出现存在交叉验证的可能性。但是这又带来一个问题测试集中只有少数几个人的数据这就相当于拿训练后的模型在个别样本上进行验证结果的可靠性也大打折扣。为了保证结果在更多的数据上进行测试作者又想到了另一种方法将样本做10次随机分割分别进行10次训练和评估以减少分类结果带来的差异性。虽然一开始的方法避免了单次实验的交叉验证但是多次实验取平均等于又把交叉验证的问题带了回来造成了数据泄露(Data Leakage)。然后作者一个只有33个样本的数据上用了三个1D卷积神经网络层进行拟合准确率近乎100%难免不让人觉得是过拟合。在训练集上避免过拟合本来是“炼丹”过程的常识却被作者作为一项优点来宣传。难怪有网友在吐槽这是一篇门外汉写的机器学习论文。100%对于非机器学习领域的人来说是一件令人惊叹的事情而专业人士看到只会说“什么鬼”。这篇论文还被发表在正式期刊上有网友感叹审稿人的水平哪去了这个问题看不出来另外Hacker News上还有人 (Cass) 说AI总结出的两类心电图 (正常vs心衰)根本就有问题看图4 (下图) 正常心电图的“平均”波形压根不是这样。P太平了Q太大了R太钝了S和T之间也不应该有那个额外的波。如果提取的正常人平均值都能这么混乱得出怎样的结果都不奇怪了。一直被滥用这篇论文在Reddit上引起了激烈讨论。随着机器学习大热很多其他领域的研究者也开始用机器学习模型来执行自己领域的任务。而跨学科的研究人员如果对机器学习的理解不足很容易出现大问题。比如数据泄漏的问题让人想起了去年8月在Nature发表的一篇预测余震的论文来自谷歌和哈佛。今年一位名叫Rajiv Shah的数据科学家用自己的实验证明这篇文章是“深度学习的错误用法”。他一共提出了三个致命缺陷最大的缺陷就是数据泄漏。算法在测试集上的表现远远超过训练集。查看数据集发现测试集和训练集包含许多相同的地震。把重叠部分去掉之后模型的表现下降到了传统方法的水平。第二个缺陷是用随机森林这样的简单方法也得出了相似的表现和结论。能用简单的方法却用了复杂的方法这就是消融实验 (Ablation Studies) 没做好。第三个缺陷是论文中训练用了470万行数据而Shah用1500行数据就得到了几乎一样的表现。Shah认为能用少量的数据解决问题就不该用成千上万倍的数据量。这次重大的质疑引起了业内的巨大关注甚至有许多同行都来一起找Bug10月2日Nature又刊登了一篇质疑这项余震预测的论文证明一个神经元的预测效果比一个六层的网络还要好相当于否定了一年前的研究成果。这篇后发的论文指出仅使用两个参数的逻辑回归模型可以达到与深度学习方法相同的预测能力。机器学习是个好工具但在使用它们的时候需要充分了解它的特性、使用方法和局限性而不是一味地套用简单粗暴地进行数据拟合。目前机器学习还处在技术曲线的顶峰等到热潮褪去才能知道谁是真正的干货。新闻报道https://www.surrey.ac.uk/news/new-ai-neural-network-approach-detects-heart-failure-single-heartbeat-100-accuracyhttps://www.forbes.com/sites/nicholasfearn/2019/09/12/artificial-intelligence-detects-heart-failure-from-one-heartbeat-with-100-accuracy/#228e5a067ac9论文地址https://www.sciencedirect.com/science/article/pii/S1746809419301776—完—为您推荐从6万用户评论中选出23门全世界最好的CS免费课GRE作文用AI打分已经20周年了AI给中国考生的分数远高于人类打分这位90后学霸即将任教麻省理工南京大学「自然指数」超越清华北大位列全国高校第一、世界第七突显学术实力【微软】AI-神经网络基本原理简明教程
