Результаты: многоклассовый режим из десяти бинарных задач (скрипты 13, 14, 14b, 16)¶

Протокол и скрипты — Multiclass из OVA. Здесь агрегируются измеренные метрики слитого с несколькими выходами генома (accuracy, macro balanced accuracy) и его эволюции ±периодическое градиентное дообучение (periodic GD).

Данные исследования

На момент сборки сайта в нормализованной выгрузке runs/site/data/studies/ нет завершённых кампаний ova_multiclass_* — поэтому здесь показан только контур конвейера. Числа появятся автоматически после прогона скриптов 13/14/14b (CIFAR) или 16 (MNIST) и повторного extract + python docs/build_site_figures.py. Мы не подставляем ожидаемые значения.

Контур конвейера¶

flowchart LR
  ova["OVA чемпионы (11 / 15)"] --> merge["13 merge_ova_champions"]
  merge --> seed["multiclass seed (K tips)"]
  seed --> evo["14 evolve (no GD)"]
  seed --> evogd["14b evolve (+ periodic GD, CE)"]
  seed --> q["16 очередь MNIST-multiclass"]

Голова предсказания — multiclass head (tip-argmax), обучение GD — cross-entropy по логитам tip'ов.

Готовая A4-инфографика (если собрана): runs/analysis/script13_14/ через

python scripts/analysis/export_script13_14_infographic.py

Для сравнения масштабов между исследованиями см. кросс-стади диаграмму на интерактивной странице.