Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
New features Ability to create custom parametric regression models by specifying the cumulative hazard. This enables new and extensions of AFT models. <code>percentile(p)</code> method added to univariate models that solves the equation <code>p = S(t)</code> for <code>t</code> for parametric univariate models, the <code>conditional_time_to_event_</code> is now exact instead of an approximation. API changes In Cox models, the attribute <code>hazards_</code> has been renamed to <code>params_</code>. This aligns better with the other regression models, and is more clear (what is a hazard anyways?) In Cox models, a new <code>hazard_ratios_</code> attribute is available which is the exponentiation of <code>params_</code>. In regression models, the column names in <code>confidence_intervals_</code> has changed to include the alpha value. In regression models, some column names in <code>.summary</code> and <code>.print_summary</code> has changed to include the alpha value. In regression models, some column names in <code>.summary</code> and <code>.print_summary</code> includes confidence intervals for the exponential of the value. Significant changes to internal AFT code. A change to how <code>fit_intercept</code> works in AFT models. Previously one could set <code>fit_intercept</code> to False and not have to set <code>ancillary_df</code> - now one must specify a DataFrame. Bug fixes for parametric univariate models, the <code>conditional_time_to_event_</code> is now exact instead of an approximation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,033 | 0,017 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle