研究人员引入了一种名为分类器鉴别得分 (CDS) 的新指标,以更好地评估单细胞扰动数据,尤其是在类别重叠显著的情况下。在这种情况下,传统的按细胞准确率可能会产生误导,正如在 Tahoe-100M 和 Virtual Cell Challenge 数据集上的演示所示,尽管扰动可区分,但模型却停滞不前。CDS 将分类器的概率向量平均到整个种群上以创建配置文件,从而能够在不重新训练模型的情况下更可靠地识别正确的扰动。 AI
影响 为生物学研究中的机器学习模型引入了更鲁棒的评估指标,尤其适用于复杂数据集。
排序理由 该集群包含一篇介绍单细胞扰动数据新评估指标的研究论文。
- alphaXiv
- CatalyzeX Code Finder for Papers
- Classifier Discrimination Score
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- Influence Flower
- Perturbation Discrimination Score
- ScienceCast
- Tahoe-100M
- Virtual Cell Challenge
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →