标签
本文详细阐述了如何使用逻辑回归构建机器学习模型，以预测电视节目《幸存者》中的获胜者与淘汰情况，并配备了一个交互式仪表盘用于可视化展示。
本文讨论了直接使用LLMs作为分类器的局限性，并提出将LLMs输出作为特征应用于传统机器学习模型（如逻辑回归），以实现更好的校准、可解释性和性能。
本研究比较了互信息与基于数据的敏感性分析在银行电话营销特征选择中的应用，表明敏感性分析能用更少的特征实现良好的预测，而互信息在成本降低方面更优。
这篇理论论文研究了梯度下降下逻辑回归的非渐近隐式偏差，证明了参数向量能在与对齐误差相关的双指数次迭代内快速弱对齐最大间隔方向。
本文研究了现有AI文本检测器在专利权利要求上的高误报率——专利权利要求在法律上要求像LLM输出一样清晰简洁——并提出了一种基于语言复杂性特征的逻辑回归分类器，在消费级硬件上优于基于困惑度的检测器。