random forest model | BriefGPT

关键词random forest model

搜索结果 - 7

基于集成学习和可解释人工智能的 AI 驱动的慢性肾脏病早期预后预测分析方法
使用集成学习和可解释的人工智能来视觉化慢性肾脏疾病的主要特征、特征得分和价值，提高对该疾病早期预测和检测的准确性，为临床医生开处方推荐个体患者的生活方式改变以减缓疾病进展提供帮助。
PDFa month ago
基于 Sentinel 数据，以 10 米分辨率估算建筑物高度
通过结合 Sentinel-1 的 SAR 数据、Sentinel-2 的光学数据和建筑物轮廓提供的形状数据，本研究建立了一套空间 - 光谱 - 时间特征数据库，提取这些特征并建立了基于随机森林模型的建筑物高度模型，通过模型集成方法和 Li
PDF2 months ago
利用遥感数据进行空气污染评估
使用机器学习模型，特别是随机森林模型，在 2019 年对伊比利亚半岛的五种选择性污染物进行了浓度预测，并使用卫星测量、气象变量、土地利用分类、时间变量和空间变量作为模型特征进行评估。
PDF5 months ago
随机森林预测的量子电路
使用随机森林模型的量子电路实现二元分类预测算法，旨在减少基本量子门的数量。
PDF6 months ago
KDDPDF 恶意软件检测的小型功能集
机器学习在恶意软件检测系统中的应用日益重要，本研究提出了一种只使用 12 个特征的小特征集，通过六种不同的机器学习模型评估表明，在 PDF 恶意软件检测领域中具有最简洁的特征集之一，并能获得与大量特征集相当的准确性。
PDFa year ago
评估地理空间上下文信息用于交通方式识别
本文通过使用随机森林模型和 SHAP 的方法，评估了地理空间上下文信息对于交通方式检测的贡献，发现基础设施网络相关的特征显著影响模型预测，而土地利用和地表覆盖特征对于任务的贡献非常有限。此外，该研究为选择适当的上下文信息和建模方法提供了洞见
PDFa year ago
ACLSemEval-2016 11 号任务中 CLaC: 探究语言和心理语言学特征在复杂词语识别中的应用
本文介绍了 CLaC-EDLK 团队在 SemEval 2016 的 “复杂单词识别任务” 中所采用的系统，该系统基于语言特征和认知复杂度，运用多个有监督学习模型，其中随机森林模型的表现最佳，最终我们的最佳配置在任务中取得了 68.8% 的
PDF7 years ago