Accuracies of SVM for different feature numbers.

NIAID Data Ecosystem2026-03-11 收录

特征选择评估

模型性能分析

数据链接：

https://figshare.com/articles/dataset/Accuracies_of_SVM_for_different_feature_numbers_/11818107 数据链接链接失效反馈

官方服务：

资源简介：

Accuracies of SVM for different feature numbers.

创建时间：

2020-02-06

Lansechen/details_Lansechen__Qwen2.5-7B-Open-R1-GRPO-math-lighteval

数学评估

模型性能分析

在模型Lansechen/Qwen2.5-7B-Open-R1-GRPO-math-lighteval评估过程中自动生成的数据集，包含5种配置，每种配置对应一个评估任务。该数据集由23次运行结果组成，每次运行结果在各个配置中作为特定分割存在，分割名称以运行时间戳命名。train 分割指向最新运行结果，而results 配置则存储了所有运行的汇总结果。

Hugging Face2025-04-10 更新120

llama-duo/llama3-1b-coding-eval-by-claude3sonnet

编程评估

模型性能分析

该数据集包含与模型评估相关的多个字段，如指令、响应和评分等，用于评估模型在特定任务上的表现。具体包括：指令（instructions）、目标响应（target_responses）、候选响应（candidate_responses）、模型ID（model_id）、模型SHA（model_sha）、评估提示（eval_prompts）、相似度评分（similarity_scores）、精确度评分（p

Hugging Face2025-04-02 更新90

Case study.

特征选择评估

变量重要性

Number of permuted and unpermuted covariates, number of permuted covariates classified as important (false positives, FP), and number of unpermuted covariates classified as important (UI). FP and UI v

Figshare2023-01-17 更新40

ROC curve parameters according to sensitivity and specificity values.

测试评估

模型性能分析

ROC curve parameters according to sensitivity and specificity values.

NIAID Data Ecosystem100

Qwen3-8B_eval_08c7

机器学习评估

模型性能分析

# mlfoundations-dev/Qwen3-8B_eval_08c7 Precomputed model outputs for evaluation. ## Evaluation Results ### HMMT - **Average Accuracy**: 44.33% ± 1.06% - **Number of Runs**: 10 | Run | Accuracy |

魔搭社区2025-11-13 更新80

Accuracies of SVM for different feature numbers.

资源简介：

相关数据集