SmallMLは、米国の98.9%を占める中小企業がAIにアクセスできない問題を解決するために開発されたフレームワークです。従来の機械学習手法では、大規模なデータセットが必要ですが、SmallMLはわずか50-200の観察データで企業レベルの予測精度を達成します。このフレームワークは、転移学習、階層ベイズモデリング、準拠予測を統合した三層アーキテクチャを特徴とします。第1層では、22,673の公開データからSHAPベースの手法を用いて有用な事前情報を抽出し、第2層では5-50の中小企業間で階層的プーリングを実施します。第3層では、分布に依存しない不確実性定量化のための準拠セットを提供し、顧客離脱データで96.7%のAUCを得ました。SmallMLは、機械学習から除外されていた3300万の中小企業に、企業グレードの予測を可能とします。