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.
#machine learning
Avances en agrupamiento local en grafos mediante detección compresiva
Descubre cómo los nuevos métodos de agrupamiento local en grafos mediante detección compresiva logran resultados de vanguardia con pocos datos etiquetados.
Algoritmo mejorado para bandidos contextuales lineales adversariales
Descubre un nuevo algoritmo que logra regret casi óptimo en tiempo polinomial para bandidos contextuales lineales con pérdidas adversariales, sin necesidad de simulador.
Secuencias Neuronales de Baja Discrepancia
Descubre cómo NeuroLDS utiliza aprendizaje profundo para generar secuencias de baja discrepancia, superando métodos clásicos en integración numérica y robótica.
Machine learning predice cirrosis hepática hasta dos años antes
Descubre cómo un modelo de machine learning supera a FIB-4 y APRI prediciendo cirrosis hasta dos años antes. Mejora la prevención con inteligencia artificial.
Deja de predicar y practica la frugalidad de datos para una IA responsable
Descubre por qué la frugalidad de datos es clave para una IA responsable. Reducir el impacto ambiental y mejorar la eficiencia sin perder precisión. ¡Lee más!
Gramática de flujos de ML: evitando filtración de datos en tiempo de llamada
Descubre cómo una nueva gramática de flujos de trabajo evita la filtración de datos en tiempo de llamada. Implementación en Python y R.
¿Qué tipos de fuga importan? Panorama cuantitativo en 2,047 datasets
Descubre qué tipo de fuga de datos es más peligrosa. Un estudio masivo en 2,047 datasets revela que la fuga por selección infla los resultados hasta un 90%.
GNEP sin intercambio de multiplicadores: robótica y aprendizaje activo
Algoritmos GNEP sin compartir multiplicadores para robótica y aprendizaje activo con bandidos contextuales. Mejora eficiencia y privacidad.
Conciencia Parcial de Equidad en Aprendizaje Automático Estratégico
Descubre cómo la conciencia parcial de equidad resuelve el dilema entre transparencia y manipulación, mejorando la justicia en modelos de IA con un mecanismo guiado por creencias.
Cómo la modernización de aplicaciones legacy usa datos para mejorar resultados
Descubre cómo la modernización de aplicaciones legacy con datos integrados mejora resultados y reduce costos. Q2BSTUDIO ofrece estrategias y analytics.
¿Es compatible modernizar apps legacy con IA?
Descubre cómo modernizar aplicaciones legacy con herramientas de IA reduce costos, mejora seguridad y acelera la automatización. Q2BSTUDIO te guía.
Síntesis realista de ruido reduce sesgo en estimación de microestructura tisular
Descubre cómo la síntesis realista de ruido en MRI de difusión reduce el sesgo y mejora la estimación de microestructura tisular con machine learning supervisado.
Regresión desbalanceada en streaming con Árboles Hoeffding
Descubre cómo la estimación de densidad kernel y el shrinkage jerárquico mejoran la regresión desbalanceada en flujos de datos continuos usando Árboles Hoeffdin
Trading de Bitcoin con ML ante costos de transacción
¿Funciona el ML para trading de Bitcoin? Analizamos XGBoost, LSTM e iTransformer y cómo un filtro por costos de transacción mejora los resultados.
scicode-lint: Detección de errores metodológicos en código Python científico
scicode-lint detecta errores metodológicos en código Python científico con patrones generados por IA. Logra hasta 97.7% de precisión en 66 patrones. Ideal para científicos de datos.
Desplazamientos espectrales para detectar anomalías camufladas en grafos
Descubre cómo los desplazamientos espectrales detectan anomalías camufladas en grafos que parecen normales. Una nueva técnica para ciberseguridad.
PE-means: Mejora del clustering k-means con privacidad diferencial
Descubre cómo PE-means mejora el clustering k-means con privacidad diferencial, logrando un 20% menos de pérdida. Una solución innovadora y eficiente.
DhondtXAI: Atribución de Características con el Método D'Hondt
Conoce DhondtXAI, un método de atribución de características proporcional y basado en alianzas, sin depender de SHAP. Ideal para modelos tabulares en salud y más.
Detección de intrusiones IoT con SMOTE y evaluación multi-modelo
Mejora la detección de intrusiones IoT con SMOTE y evaluación multi-modelo. Alcanza F1 de 0.9989 usando Random Forest en datos de potencia.