PulseAugur
中
实时 11:01:26
English(EN) In-Context Learning to Assess Built Environment Impacts on Perceived Neighborhood Walkability Among Mobility-impaired Older Adults

TabPFN模型在评估老年人邻里步行性方面展现出潜力

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新研究论文探讨了如何利用上下文学习和TabPFN基础模型来评估建成环境特征对出行不便的老年人感知邻里步行性的影响。研究发现，在小数据集上，TabPFN的表现优于随机森林和XGBoost等传统模型，宏观F1分数达到54.89%。使用Shapley交互量化（SHAP-IQ）进行的解释性分析表明，街道迂回度和可行驶道路等高阶特征交互是感知步行性的关键预测因子。 AI

影响 展示了基础模型在专业化、小数据集任务中的潜力，并为城市规划洞察提供了高级可解释性。

排序理由 研究论文，详细介绍了现有模型（TabPFN）和解释技术（SHAP-IQ）在特定领域（城市规划/出行）的新应用。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

TabPFN模型在评估老年人邻里步行性方面展现出潜力

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Houhao Liang, Kresimir Friganovic, Joanne Kua, Noor Hafizah Ismail, Su Su, Bryan Yijia Tan, Navrag B. Singh, Panos Mavros ·

    上下文学习评估建成环境对行动不便老年人感知社区步行性的影响

    arXiv:2608.14663v1 Announce Type: new Abstract: As global populations age, enhancing neighborhood walkability through inclusive urban design is important for mitigating built environment (BE) barriers that discourage physical activity and social participation among older adults. …

相关实体

相关话题