random forest
PulseAugur coverage of random forest — every cluster mentioning random forest across labs, papers, and developer communities, ranked by signal.
- instance of decision tree 90%
- competes with support vector machine 70%
- instance of logistic regression model 70%
- competes with logistic regression model 70%
- instance of multilayer perceptron 70%
- used by decision tree 70%
- competes with convolutional neural network 70%
- instance of TabICL 70%
- competes with Catboost 70%
- used by Shap 60%
- competes with multilayer perceptron 60%
- competes with LightGBM 60%
- 2026-05-19 research_milestone A new paper proposes a kernel-based smoothing mechanism to improve random forest regression. 来源
19 天有情绪数据
-
新研究强调了人工智能驱动的药物发现可靠性方面的一个关键缺陷
研究人员发现，在药物发现中用于量化模型可靠性的边际一致性预测方法存在一个重大问题。研究表明，在不平衡数据集上，该方法未能为少数类提供足够的覆盖率，使它们面临更高的误分类风险。这个问题存在于各种模型架构中，包括随机森林、图神经网络和化学语言模型。提出的类条件一致性预测方法有效地解决了这种覆盖不足的问题，恢复了少数类的可靠性，并提高了筛选活动的整体效用。
-
可解释机器学习利用MRI和fMRI预测帕金森病严重程度
研究人员开发了一种可解释的机器学习模型，能够利用QSM MRI和多频多回波fMRI特征的组合来预测帕金森病的运动严重程度。研究发现，仅影像学模型显示出显著的预测能力，QSM和临床变量的组合解释了运动严重程度45.4%的方差。具体而言，选定的QSM和临床特征最有效，能够预测75.0%参与者在5分范围内的运动严重程度，其中小脑、丘脑、纹状体、脑岛和运动皮层是关键特征。
-
机器学习系统为孟加拉国湿地提供72小时山洪预警
研究人员开发了HaorFloodAlert，一个旨在为孟加拉国哈奥尔湿地提供72小时山洪早期预警的机器学习系统。该系统利用免费数据源，包括Sentinel-1雷达、降雨记录和预报、土壤湿度以及上游河流数据。通过消除温度数据的季节性偏差，该模型实现了高精度，其中随机森林和XGBoost的集成模型在测试中达到了90.9%的准确率和0.939的AUC。预警信息通过短信、电子邮件和WhatsApp以孟加拉语发送给农民。
-
新型三模态 Transformer 提升森林生物量估算能力
研究人员开发了一种名为三模态相干协同注意力 Transformer (TCCT) 的新型深度学习模型，以改进热带森林地上生物量 (AGB) 的估算。该模型独特地融合了来自 Landsat-5 的光学反射数据和来自 P 波段和 L 波段的复杂值极化干涉测量 (PolInSAR) 数据。TCCT 使用复杂值编码器来保持相位相干性，并采用协同注意力机制来动态调整对光学或 SAR 数据的依赖程度，从而缓解云层覆盖和信号饱和等问题。经过微调后，…
-
AI 联合科学家工作流针对 EGFR 抑制剂耐药性
研究人员开发了一个 AI 联合科学家工作流，用于发现新的 EGFR 抑制剂，特别是针对导致现有疗法耐药性的 C797S 突变。该过程包括使用 ChEMBL 和 UniProt 来识别生物靶点和生物活性数据，然后使用 RDKit 进行分子标准化和特征计算。在此数据上训练随机森林模型以预测抑制剂效力，并使用 SHAP 进行特征解释。最后，工作流通过 BRICS 重组分子片段进入生成设计，以创建新的候选药物，然后根据 PubChem 进行评…
-
小波散射变换识别脑电图数据中的精神分裂症生物标志物
研究人员开发了一种新颖的框架，使用小波散射变换（WST）从静息态脑电图数据中识别精神分裂症的生物标志物。该方法通过分析对该疾病病理生理学至关重要的幅度调制动力学和跨频率耦合，解决了先前方法的局限性。WST框架结合严格的交叉验证和SHAP可解释性，在精神分裂症分类中达到了90.48%的准确率，突显了时间幅度调制作为关键的电生理学特征。
-
新研究：大型语言模型以52%的准确率模拟调查受访者
研究人员开发了一种名为“硅采样”的新方法，该方法使用大型语言模型（LLM）来模拟人类调查受访者。这种方法旨在通过预测个人对未见问题的回答来增强传统的调查研究。一项使用台湾选举与民主化研究（TEDS）2024年数据进行的研究发现，零样本LLM的准确率达到了52%，接近监督机器学习模型。
-
共形预测未能预测赛道牵引力损失
一项评估滚动分裂共形预测在赛车事变前牵引力损失检测中的研究论文发现该方法无效。尽管使用了包含 19 名车手、55,563 个遥测样本的大型数据集，但该方法在检测实际事变时的精确率和召回率接近于零。研究还指出误报率很高，约 15.3% 的样本被标记为异常，使其无法用于早期预警系统。研究表明，共形预测的可交换性核心假设被违反，导致了糟糕的性能。
-
新指标衡量 AI 安全分类器解释在攻击下的退化程度
一项新的研究论文引入了可解释性稳定性指数（ESI），用于衡量对抗性攻击如何影响网络安全分类器的解释。该研究将先前的工作扩展到四种表格安全数据集上的 Random Forest 和 XGBoost 模型，发现预测鲁棒性和解释稳定性是不同的指标。研究强调，一些攻击虽然对基于梯度的方法表现出鲁棒性，但仍可能显著破坏模型解释的稳定性，这表明需要同时衡量鲁棒性和稳定性。
-
基础模型与放射组学在肺部CT分析中的基准测试
一篇新发布的arXiv基准研究，将基础模型与传统的放射组学技术在肺部CT扫描分析方面进行了比较。该研究评估了五种特征提取器、七种分类头和三种分割方法，涵盖了肿瘤分类和生存预测等五个任务。研究结果表明，分割对于体积和分期分类至关重要，而分类器的选择显著影响生存和组织学预测。研究建议在临床任务中，默认采用Curia结合肿瘤分割和CatBoost的流程，并在缺乏肿瘤描绘时提供替代方案。
-
新框架增强了基于调查的研究的稳健性分析
本文介绍了一种分析基于调查的研究结果稳健性的新颖框架。它整合了结构方程模型（SEM）、双重机器学习（DML）和普通最小二乘（OLS）回归，以评估不同估计技术下关系保持的稳定性。该方法论在金融科技数字客户亲密度模型上进行了演示，帮助研究人员识别哪些发现得到了持续支持，哪些需要更谨慎的解释。
-
AI模型预测心脏病发作死亡并识别关键生物标志物
研究人员开发了一种结合了深度人工神经网络和集成机器学习方法的模型，用于预测急性心肌梗死（MI）的致命结局并识别关键生物标志物。该模型解决了当前诊断方法耗时且不一致的局限性。通过采用SVMSMOTE和ADASYN等数据预处理技术处理不平衡数据，并结合特征选择方法，该系统集成了逻辑回归、随机森林、Light-GBM和Bagging SVM，并通过神经网络进一步提高准确性。该方法旨在为临床医生提供一种更快、更准确、更经济的诊断工具。
-
随机森林分类器在物联网入侵检测研究中领先 · arXiv论文
一项新的研究论文通过比较五种机器学习算法在入侵检测方面的有效性，分析了物联网（IoT）网络的安全性。该研究使用了Gotham2025数据集，该数据集模拟了一个拥有78个设备以及MQTT、CoAP和RTSP等协议的真实物联网环境。结果表明，随机森林分类器表现最佳，在识别攻击时达到了0.99的F1分数，凸显了其在保护资源受限的物联网设备方面的潜力。
-
新研究探索有限人群的无偏机器学习
一篇新研究论文探讨了机器学习算法在有限人群中实现无偏预测或分类的条件。该研究侧重于训练数据的采样方式以及如何调整预测算法以确保无偏性，特别是在官方统计等公平性至关重要的应用中。推断依赖于已知的样本和训练集的概率设计，而不是假设的分布或模型。
-
新的平稳分布理论解释随机森林集成大小调优 · 跟踪 2 个来源
本文介绍了一个理论框架，用于理解随机森林中基于平台的调优过程中集成大小的平稳分布。该研究将中心集成大小建模为生灭马尔可夫链，推导出其平稳分布并表征其散布。研究结果表明，基于平台的调优应被视为一个随机过程，而不是一个确定性的停止规则，这对集成大小的优化方式有影响。
-
新方法以99%的准确率检测AI代理记忆投毒
研究人员通过分析AI代理的工具调用轨迹，发现了一种检测其记忆投毒攻击的新颖方法。他们发现了一个行为不变性，即成功的攻击总是涉及在调用`email_send_email`之前调用`memory_recall_fact`，而合法会话中很少出现这种序列。当与随机森林分类器结合使用时，这种不变性实现了高检测率（AUC = 0.9904），并且无需重新训练即可泛化到包括GPT-4.1和GPT-4o在内的各种模型。该方法还可以仅使用工具调用日志区…
-
新的 CO-DEFEND 框架支持隐私保护的 DoH 威胁检测
研究人员开发了一个名为 CO-DEFEND 的新框架，以解决在保护数据隐私的同时检测恶意 DNS over HTTPS (DoH) 流量的挑战。这种去中心化的联邦学习方法允许多个实体在不共享其敏感本地数据的情况下实时协作训练机器学习模型。该框架将支持向量机、逻辑回归、决策树和随机森林等常用机器学习算法适配到这种联邦环境中，与现有方法相比，在威胁检测方面表现出更高的可扩展性和效率。
-
重采样方法会降低模型校准能力，但重新校准可提供解决方案
一篇新发表在arXiv上的研究论文探讨了重采样方法对树集成模型概率校准能力的影响。研究发现，虽然SMOTE（合成少数类过采样技术）会导致校准能力轻微下降，但随机欠采样会带来重大风险，尤其是在高不平衡比率下，它会扭曲训练数据，使概率估计不可靠。幸运的是，像Platt或等渗缩放这样的事后重新校准技术可以有效消除这种校准损害，同时对判别性能的影响极小。
-
利用融合磁通和电流数据识别水轮发电机运行状态 · 跟踪 2 个来源
研究人员开发了一种通过融合气隙磁通和转子电流测量数据来识别10兆瓦卡普兰水轮发电机运行状态的方法。该研究利用十个定子安装的霍尔探头和六个转子电流通道来分析七种稳定的导叶开启设置。通过结合气隙场的空间傅里叶描述符和转子电流特征，SVC-RBF模型在识别这些运行状态时达到了99.5%的测试准确率，展示了数据驱动监控的准确潜力。
-
新的GAT-MLP模型改进了最大团问题求解器的选择
研究人员开发了一个新颖的框架，以改进最大团问题（MCP）的算法选择，这是一个NP难的计算挑战。所提出的系统集成了传统机器学习技术和图神经网络，特别是名为GAT-MLP的双通道模型。该模型使用图注意力网络分析局部图结构，并使用多层感知机分析全局特征。实验表明，GAT-MLP的性能显著优于现有方法，在为不同图实例选择最佳求解器方面达到了90.43%的准确率。