باستخدام مجموعة بيانات WELFake - وهي معيار تحتوي على 44,898 مقالة أخبار موصوفة - قام المؤلفون بتقييم أداء مصنفي الانحدار اللوجستي (LR) وشجرة القرار (DT) و Naive Bayes (MNB). اعتمدت الدراسة على تحويل TF-IDF لاستخراج الخصائص واستخدمت التحقق المتقاطع بـ 10 طيات لضمان نتائج غير متحيزة. النتائج الرئيسية: أداء متفوق: برز الانحدار اللوجستي كنموذج الأكثر فعالية، حيث حقق دقة متوسطة تبلغ 96.51%. تحليل مقارن: تفوق الانحدار اللوجستي على خط الأساس لـ Naive Bayes (90.21%) وتجاوز بشكل كبير خوارزمية شجرة القرار (88.33%). الأهمية الإحصائية: أكدت اختبار T للاختبارات المستقلة أن ميزة دقة الانحدار اللوجستي التي تبلغ 8.18 نقطة على شجرة القرار ذات دلالة إحصائية (p < 0.001). الموثوقية: أظهر الانحدار اللوجستي معدل إيجابيات خاطئة أقل بكثير (3.04% مقابل 10.67% لشجرة القرار)، مما يجعله خيارًا أكثر أمانًا لتعديل محتوى وسائل التواصل الاجتماعي في العالم الحقيقي حيث يعد تصنيف الأخبار المشروعة بشكل خاطئ خطرًا كبيرًا. الاستنتاج: تستنتج البحث أن الانحدار اللوجستي أكثر قوة لبيانات النصوص عالية الأبعاد والذات كثافة منخفضة مقارنة بشجرات القرار، والتي تميل إلى الإفراط في التخصيص في مثل هذه البيئات. يقترح المؤلفون أنه بينما يعد الانحدار اللوجستي مثاليًا لنشر الإنتاج بسبب كفاءته وتقديرات الاحتمالات المضبوطة بشكل جيد، يجب أن تستكشف الأعمال المستقبلية الخصائص متعددة الوسائط ونماذج اللغة السياقية مثل BERT.
درست راج وآخرون (الثلاثاء) هذا السؤال.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: