logistic regression model
PulseAugur coverage of logistic regression model — every cluster mentioning logistic regression model across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
-
研究比较 AutoML 和 BiLSTM 在印度尼西亚 Instagram 网络欺凌检测中的应用
本研究论文比较了自动化机器学习 (AutoML) 和双向长短期记忆 (BiLSTM) 模型在检测印度尼西亚 Instagram 评论中的网络欺凌行为。研究使用了包含 650 条评论的数据集，评估了逻辑回归等各种机器学习算法以及带有注意力机制的 BiLSTM 等深度学习模型。结果表明，在传统机器学习方法中，逻辑回归表现最佳，而带有注意力机制的 BiLSTM 在深度学习方面表现最好，这凸显了针对非正式印尼语文本进行定制化预处理的重要性。
-
ABB Robotics study finds traditional ML outperforms transformers for bug localization
A new study explored using AI for fault localization in industrial software by analyzing natural-language bug reports. Researchers from ABB Robotics benchmarked traditional machine learning models against fine-tuned tra…
-
Machine learning models predict Alzheimer's drug candidates from natural compounds
Researchers have developed a machine learning approach to identify potential Alzheimer's disease treatments from natural compounds. The study utilized cheminformatics to extract molecular descriptors and trained various…
-
联邦学习进展在隐私、效用和公平性之间取得平衡
研究人员正在探索增强联邦学习（FL）隐私的高级技术，FL是一种在去中心化数据上进行模型训练的方法。一项研究比较了在瑞典医疗保健数据上用于心血管疾病风险建模的差分隐私（DP）和同态加密（HE），发现HE与集中式方法相当，但计算开销更高，而DP在某些模型上表现出更大的性能下降。另一种方法FedPF引入了一种差分隐私的公平FL算法，通过将公平性和效用视为竞争目标来平衡它们，在具有竞争力的准确性和低计算占用的情况下显著减少了歧视。第三篇论文将…
-
研究对NLP任务的AutoML和BiLSTM进行基准测试，结果好坏参半
研究人员比较了传统机器学习方法与深度学习模型在各种自然语言处理任务中的表现，包括细粒度情感分类和情感分析。研究使用了20种情感文本分类数据集和印度尼西亚电子商务评论等数据集。研究结果普遍表明，深度学习模型，特别是双向长短期记忆（BiLSTM）网络，通过更好地捕捉文本中的上下文细微差别，通常能获得更优越的性能。然而，传统的机器学习方法，如支持向量机和逻辑回归，在准确性方面仍然具有竞争力，并且在某些数据集上提供更高的计算效率。
-
Foundation models show promise in disease prediction and RF loss classification
Researchers have evaluated the Tabular Pre-Trained Foundation Network (TabPFN) for predicting the conversion of Mild Cognitive Impairment to Alzheimer's Disease, finding it outperforms traditional machine learning model…