Consejos para investigadores de aprendizaje automático (traducción)

1. Qué hacer antes de crear un modelo

1.1. Examina los datos

1.2. No mires todos los datos

1.3. Asegúrate de contar con suficientes datos

1.4. Comunícate con expertos del dominio

1.5. Haz mucha investigación previa

1.6. Considera el contexto en el que se desplegará el modelo

2. Cómo crear un modelo confiable

2.1. Evita la fuga de información de los datos de prueba

2.2. Prueba distintos modelos

2.3. No uses modelos inapropiados

2.4. Optimiza los hiperparámetros

3. Cómo evaluar correctamente un modelo

3.1. Usa datos de prueba adecuados

3.2. Usa datos de validación

3.3. Evalúa el modelo varias veces

3.4. No uses exactitud con datos desbalanceados

4. Cómo comparar modelos de manera justa

4.1. Un número más grande no significa un mejor modelo

4.2 No confíes en los benchmarks de la comunidad

5. Cómo reportar resultados

5.1. Publica los resultados con transparencia

5.2. Mide el rendimiento de varias maneras

5.3. No generalices más allá de los datos