综述：应用于食品分析的机器学习和深度学习中的方法学挑战：一项批判性综述

《Journal of Chromatography A》：Methodological Challenges in Machine Learning and Deep Learning Applied to Food Analysis: A Critical Review

　　

乔治·费利扎托（Giorgio FELIZZATO）|埃洛伊莎·巴格努洛（Eloisa BAGNULO）|朱莉娅·塔帕罗（Giulia TAPPARO）|乔治亚·博塔（Giorgia BOTTA）|基娅拉·科尔德罗（Chiara CORDERO）|埃里卡·利贝尔托（Erica LIBERTO）|安德烈亚·卡拉蒂（Andrea CARATTI）

• •
  对165项研究中的色谱法食品指纹识别相关机器学习（ML）挑战进行了综述。
• •
  与独立的外部测试集相比，留一交叉验证（LOOCV）和高倍交叉验证（high-fold CV）会严重高估模型性能。
• •
  在典型的食品色谱数据集上训练的深度学习（DL）模型表现出有限的泛化能力。
• •
  将分析重复样本视为独立样本会夸大内部验证指标的结果。