В идеальном мире мы расставили бы все наши проекты по машинному обучению в соответствии с их ожидаемой отдачей. Это потребует разумной оценки как вероятности успеха проекта, так и прибыли при условии успеха. Создание таких оценок затруднено, и вместо этого мы склонны руководствоваться эвристикой, неявной и явной, относительно размера проблемы и ее сложности.
Оценка сложности часто ограничивается обсуждением того, что потребуется для практической реализации модели. Рассмотрение сложности построения модели в той мере, в какой это вообще делается, обычно представляет собой неформальный процесс, основанный на опыте специалиста по данным, работающего над проектом.
Мы потратили некоторое время на разработку структурированного подхода к этой проблеме. Приложение MinViME позволяет вам ввести основные бизнес-параметры проблемы, которую вы хотите решить, а затем возвращает оценку минимально производительной модели, которая им удовлетворяет.
Методика реализована в приложении с открытым исходным кодом MinViME (Minimum Viable Model Estimator), которое можно установить через систему Управление пакетами PyPI python или загрузить непосредственно из репозитория GitHub.
