초고성능 콘크리트(UHPC)의 기계 학습 모델 성능이 벤치마크 데이터 세트의 중복 레코드로 인해 과대평가됨

이 연구는 기계 학습 모델이 동일한 콘크리트 혼합물의 반복 측정 데이터로 테스트될 때 실제보다 더 정확하게 보이는 것을 보여줍니다. 이는 새로운 콘크리트 혼합물 설계를 위한 모델의 성능을 과대평가할 수 있습니다.

이 연구는 초고성능 콘크리트(UHPC)에 대한 기계 학습 모델의 성능을 과대평가할 수 있는 벤치마크 데이터 세트에 중복 레코드가 존재한다는 것을 처음으로 보여주며, 혼합 그룹 크로스 밸리데이션을 사용하면 더 정확한 평가 방법을 제공할 수 있음을 보여줍니다.