Clasificación por particiones óptima desde datos observables y privados
Descubre cómo lograr tasas de convergencia óptimas en clasificación por particiones con datos observables y privatizados, sin suposiciones restrictivas.
#clasificación binaria
Calibración de cópulas vine simplificadas con estimación por contraste de ruido
Calibra cópulas vine simplificadas con estimación por contraste de ruido (NCE) para ajustar dependencias multivariantes. Mejora precisión sin perder eficiencia.
Explicaciones basadas en lógica para la confianza en modelos ML
Descubre cómo las explicaciones lógicas garantizan un nivel mínimo de confianza en predicciones de ML, mejorando la transparencia en decisiones críticas.
Filtro semántico rápido con LLM: marco único a método adaptativo de dos fases
Nuevo método adaptativo de filtrado semántico con LLM que acelera el proceso un 60-100% manteniendo 90% de precisión. Ideal para grandes volúmenes de datos.
Etiquetas duras de objetivos dispersos engañan algoritmos invariantes a rotación
Las etiquetas duras de objetivos dispersos hacen fallar a algoritmos invariantes a rotación. Conoce cómo evitarlo en regresión logística.
Atribución de APT con alta precisión y resiliencia ante grupos desconocidos
Descubre un método innovador de atribución de malware APT que mantiene alta precisión incluso ante grupos desconocidos, evitando falsas atribuciones.
Clasificación binaria de superficie vial con ML en señales de vehículos en crucero
Aprende cómo la IA clasifica superficies resbaladizas en tiempo real usando señales de vehículos en crucero, mejorando la seguridad vial.
La ilusión de generalización en modelos de lenguaje tabulares
¿Son realmente efectivos los modelos de lenguaje tabulares? Nuestra reevaluación de Tabula-8B muestra que la generalización se debe a artefactos de evaluación, no a aprendizaje real.
Clasificación óptima y justa con puntuaciones calibradas bajo suficiencia
Logra decisiones justas en clasificación binaria con puntuaciones calibradas usando un algoritmo de post-procesamiento que garantiza suficiencia.
Predicción de umbrales atmosféricos extremos con IA
¿Cómo predecir con precisión tormentas extremas? Comparamos métodos de IA que modelan la distribución completa vs clasificación binaria. Resultados sorprendentes.
Clasificación binaria: pública y privada con predictores en espacios métricos
Clasificación binaria con Proto-NN: consistencia universal y privacidad diferencial local con ruido de Laplace.
Calibración de modelos de árbol para clasificación desbalanceada
La calibración analítica en Random Forest con submuestreo genera sesgos. Descubre por qué y aprende la beta calibración como solución.
ChurnNet: Una IA moderna optimizada para la predicción de abandono
¿Puede una IA optimizada como ChurnNet superar a los métodos clásicos de machine learning? Descubre los resultados en nuestra comparativa.
Mejora de clasificación selectiva binaria con consultas por pares
Mejora la clasificación selectiva con consultas por pares: reduce errores en muestras de alta confianza y optimiza el balance precisión-costo en IA.