random forest
PulseAugur coverage of random forest — every cluster mentioning random forest across labs, papers, and developer communities, ranked by signal.
- instance of naive Bayes classifier 90%
- competes with TabPFN 80%
- instance of logistic regression model 70%
- used by DagsHub 70%
- used by gradient boosting 70%
- used by alphaXiv 70%
- used by decision tree 70%
- competes with decision tree 70%
- instance of decision tree 70%
- instance of multilayer perceptron 70%
- competes with Catboost 70%
- used by bootstrap aggregating 70%
- 2026-05-19 research_milestone A new paper proposes a kernel-based smoothing mechanism to improve random forest regression. 来源
21 天有情绪数据
-
新的MLAMA方法提高了公共卫生预测的准确性
研究人员开发了一种名为机器学习与ARIMA模型平均（MLAMA）的新方法，以提高公共卫生预测的准确性。该方法将统计ARIMA模型与随机森林和XGBoost等机器学习模型相结合。通过对2020年至2023年安大略省COVID-19病例数据的比较评估，MLAMA在各种预测范围和响应能力设置下均实现了最低的归一化平均绝对百分比误差，表现出卓越的性能。研究表明，最佳预测模型取决于特定的操作条件，而MLAMA为整合各种预测技术提供了一个实用的框架。
-
AI模型利用文本分析预测研究论文质量
研究人员开发了一种方法，仅使用论文标题和摘要中的文本特征即可将科学论文分为高质量或有缺陷的类别。该研究评估了各种嵌入技术和分类器，发现使用SBERT嵌入的神经网络准确率为87.22%，而FastText-SVM组合的准确率为91.12%。这项工作旨在通过利用文本分析来促进可信的学术研究，为学术诚信工具做出贡献。
-
针对疟疾药物发现微调的大型语言模型性能优于专有模型
一项新研究推出了 Malaria-Instruct，这是一个用于利用大型语言模型（LLM）进行疟疾药物发现的数据集。该研究评估了几种开源LLM，发现经过微调的模型在虚拟筛选抗疟化合物方面，其性能显著优于经典的机器学习方法，甚至优于未经微调的专有模型，如Gemini 2.5和OpenAI o3。特定领域的微调对于性能至关重要，其中TxGemma-9B和LlaSMol-Mistral-7B等模型表现最佳。
-
Virgo detector uses AI pipeline to classify gravitational-wave glitches
Researchers have developed VIGILant, an automated pipeline to classify and visualize glitches in the Virgo gravitational-wave detector. The system employs both tree-based machine learning models and a ResNet34 convoluti…
-
新的代理工作流集成LLM进行出行行为预测
研究人员开发了一种新颖的三代理工作流，集成了对话式数据收集、结构化数据处理和行为预测，用于出行行为研究。该方法利用聊天机器人管理的调查来收集各种天气条件下的出行方式选择，并将所得数据通过传统模型和机器学习技术进行分析。该研究评估了九种具有不同提示策略的大型语言模型（LLM），发现结合了视觉上下文的多模态LLM实现了最高的预测准确性。
-
新的DICS方法加速决策树分类器训练
研究人员推出了一种名为数据驱动质心分裂（DICS）的新型基于聚类的框架，旨在提高决策树分类器训练的效率。DICS通过创建更集中的候选分裂集来降低与大型和高维数据集相关的计算成本。该方法结合了类别感知结构，在不损害预测准确性的情况下缩小搜索空间，并为性能保持提供了理论支持。DICS与各种决策树模型兼容，包括随机森林和梯度提升模型，并在实验中显示出显著的训练时间缩减。
-
AI模型利用汽车数据预测悉尼高风险驾驶热点
一篇新的研究论文探讨了如何利用联网汽车数据主动识别和预测澳大利亚大悉尼地区高风险驾驶热点。该研究通过硬刹车、急加速和转弯的阈值来量化危险驾驶行为，并创建时空热力图来 pinpoint 高风险区域。研究人员对八种预测模型进行了基准测试，发现 ARIMA 等传统时间序列方法在数据量有限的情况下，其表现与 LSTM 等深度学习模型相当。研究结果表明，基于物联网的汽车数据可以支持有针对性的道路安全干预措施，其中悉尼中央商务区、帕拉玛塔和班克斯…
-
新系统利用人工智能模型估算孟加拉国街头食品热量
研究人员开发了一个基于视觉的系统，用于估算孟加拉国街头食品的热量含量，填补了当前以西方为中心的做法中的空白。该研究比较了五种物体检测和分割模型，其中YOLO11n取得了最高的检测性能。对于热量预测，一个随机森林回归模型利用YOLO11n提取的几何特征和一个孟加拉国5塔卡硬币作为比例参考，取得了最佳结果，平均绝对误差为5.68。
-
混合量子神经网络在喷气发动机剩余使用寿命预测方面展现出潜力
研究人员开发了一种混合量子循环神经网络（HQRNN），用于预测涡轮风扇发动机的剩余使用寿命。该模型将量子长短期记忆（QLSTM）层与经典密集层相结合，旨在改进退化模式表示。在NASA C-MAPSS FD001基准测试中，HQRNN的平均RMSE和MAE比经典的堆叠LSTM网络提高了5%，优于其他基线模型。
-
Edge-IIoTset基准测试中的缺陷已揭示，提出新的AgriEdge基准
一篇新研究论文指出了常用于工业物联网中基于机器学习的入侵检测的Edge-IIoTset基准测试中的一个重大缺陷。研究表明，数据集中预处理指令中的序列化伪影，特别是缺失协议字段的占位符拼写，使得标准分类器在不实际模拟网络行为的情况下就能达到近乎完美的准确率。研究人员提出了一个名为AgriEdge的修正基准，其中包含更全面的数据和设备，证明在没有该伪影的情况下，最强大的模型能达到约0.95的准确率，并且在感知/执行层发现了泛化边界。
-
机器学习模型在海上通量预测方面显示出潜力
研究人员开发并测试了机器学习技术，特别是神经网络和随机森林，用于参数化海上环境中的湍流通量。利用三个不同海上站点的数据，以垂直梯度为输入，训练了动量和热通量的模型。机器学习模型在海上通量预测方面表现出与已建立的COARE-3模型相当，甚至在某些情况下优于该模型，尤其是在热通量方面。
-
新研究解决可穿戴设备压力分类的可靠性问题
两篇新研究论文探讨了提高可穿戴设备压力分类系统可靠性的方法。第一篇论文，
-
新的正则化方法将学习和优化相结合，以实现更好的决策
研究人员推出了一种名为决策驱动正则化的新方法，用于上下文优化问题。该方法旨在平衡预测准确性和成本最小化，解决了当学习和优化被分开处理时可能发生的过拟合问题。所提出的双目标公式概括了现有的 SPO+ 等模型，并在合成研究中证明了其性能优于 OLS、Random Forest、XGBoost 和 Perturbation Gradient 等基准。
-
TabPFN模型在评估老年人邻里步行性方面展现出潜力
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。
-
研究揭示了对AI不平衡处理的单一数据集评估不可靠
一项发表在arXiv上的新研究调查了在单一数据集上评估类别不平衡处理方法的普遍做法，证明了从这种有限测试中得出的结论可能具有误导性。该研究分析了45个二分类任务，发现像阈值调整和SMOTE等技术，在像Kaggle的信用卡欺诈数据集这样的特定数据集上可能几乎没有益处甚至有害，但在更广泛的不平衡比率范围内可能非常有效。研究还显示，阈值调整的益处随不平衡比率呈非单调变化，并且标准的校准诊断不能可靠地预测调整的有效性，这表明需要更稳健的评估协议。
-
新的斐波那契集成方法增强了机器学习聚合
研究人员引入了一种新颖的集成学习方法，称为斐波那契集成，其灵感来源于斐波那契数列和黄金比例的数学特性。该方法通过采用归一化的斐波那契权重来减少基学习器之间的方差，为装袋法（bagging）和提升法（boosting）等传统方法提供了一种替代方案。该框架还包含二阶递归集成动态，旨在增强表示深度。使用随机傅里叶特征和多项式集成的二维回归任务的初步实验表明，斐波那契加权可以媲美或优于均匀平均，并能有效地与正交Rao-Blackwelliza…
-
新的ARISE方法增强了小样本生物医学组学数据的特征选择
研究人员开发了ARISE，一种用于小样本生物医学组学数据特征选择的新型集成方法。该自适应框架整合了多种相关性信号，评估类别平衡稳定性，并控制残差信息冗余，特别适用于多类别结果。在对五个分子数据集和各种特征集大小的评估中，ARISE的性能持续优于现有方法，在平衡准确率、宏F1和Cohen's kappa方面均获得最高排名。
-
新的离线评估任务预测排名系统展示份额变化
研究人员引入了“展示份额预测”作为排名系统的一项新颖的离线评估任务，旨在预测新模型在在线 A/B 测试之前会如何将展示份额分配给不同的优化目标。该方法解决了标准离线指标可能无法捕捉到可能降低下游效用的展示份额分配变化的问题。所提出的框架利用了结构因果模型和统计学习方法，实验表明，对于已知模型，随机森林模型在历史数据上将 L1 误差降低了 49%，但对于未见过模型的性能有所不同。
-
离线RL利用MIMIC-IV数据优化脓毒症治疗
研究人员开发了一种新颖的方法，使用离线强化学习来优化重症监护室脓毒症的管理。通过分析MIMIC-IV数据库中的历史患者数据，该研究将液体和血管升压药的剂量建模为马尔可夫决策过程。所开发的策略使用加权重要性采样和拟合Q评估进行评估，结果显示其回报高于临床医生的实践，同时建议适度减少静脉输液。
-
Kolmogorov-Arnold Networks 在卫星陆地分类中显示出潜力
研究人员评估了 Kolmogorov-Arnold Networks (KANs) 在使用多光谱卫星图像进行陆地分类方面的有效性。在一项研究中，研究人员将 KANs 与随机森林和多层感知器模型在加拿大艾伯塔省的 Landsat 8 数据上进行了比较，结果显示 KANs 的准确性与随机森林相当，并且优于 MLPs。值得注意的是，KANs 在可训练参数少得多的情况下实现了这一性能，并提供了更高的可解释性。