Recursive feature elimination with random forest for PTR-MS analysis of agroindustrial products
PulseAugur coverage of Recursive feature elimination with random forest for PTR-MS analysis of agroindustrial products — every cluster mentioning Recursive feature elimination with random forest for PTR-MS analysis of agroindustrial products across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
特征缩减技术对对抗性攻击鲁棒性的影响分析
一篇新研究论文探讨了特征缩减技术如何影响各种机器学习模型在对抗性攻击下的鲁棒性。该研究分析了支持向量机、决策树、随机森林、多层感知机和k近邻等模型。在不同攻击场景下,包括投毒、后门和通用对抗性扰动,对APT数据集评估了主成分分析、排列重要性排序、递归特征消除和单变量互信息等技术的效果。研究结果表明,排列重要性排序和单变量互信息通常能提供最一致的对抗性鲁棒性提升,尽管其他方法根据具体的分类器和攻击类型显示出不同的效果。
-
AI研究确定了高效网络攻击检测的关键指标
研究人员开发了一种使用自然可见图(NVGs)提高网络攻击检测效率的方法。通过分析从NVGs派生的21个拓扑指标,他们发现使用其中一小部分指标可以保持高分类准确性,同时显著降低计算成本。研究发现,最重要的三个指标是avg_clustering_coeff_median、avg_clustering_coeff_std和avg_clustering_coeff_mean,当与CICIDS2018数据集上的CNN分类器结合使用时,与使用所有…
-
新方法增强了针对不同人群和噪声数据的鲁棒特征选择
两篇新研究论文介绍了鲁棒特征选择的两种新方法。第一种方法 PopFS 通过平衡整体预测效益与对服务不足群体的保护来优化不同人群的特征收集,并在多个数据集和一项 COVID-19 实时预测研究中证明了其有效性。第二篇论文提出了一种基于假设检验的方法,该方法将特征选择置于理论基础上,通过可靠地恢复真实信号并提供统计上合理的标准,在模拟和实际应用中优于 Boruta 和 RFE 等现有方法。