logseq/journals/2024_01_08.md

• •  Notes

  • 🤝Meetings

    • type:: meeting external-links::
      tags:: PROJECTS/PRIN-EMELIOT people:: people/giordano people/claudio people/AntiniscaDiMarco date:: 08-01-2024 - 17:11 duration:: 70
      • Sono state considerati 18 dataset
        • {:height 376, :width 594}
          • Si vuole evitaer di addestrare ogni volta un classificatore per poter predirre i valori delle metriche statistical parity, equal opportunity, etc.
            • Vedi ((659c23ae-54a3-4b5f-a9a6-c0ba32b7423d))
            • https://univaq-my.sharepoint.com/:p:/g/personal/antinisca_dimarco_univaq_it/EblZe8ziV91LgEK57VLhg6UBD7JZ08ny2IgwGhTq4wlg8w?e=KC2ZU4
            • {:height 492, :width 779}
          • TOrnando all'obbiettivo originale:
            • #+BEGIN_IMPORTANT DATO UN DATASET INDIVIDUARE POSSIBILI VARIABILI SENSISBILI ALLA BASE DI POTENZIALI BIAS #+END_IMPORTANT
          • Per prossima volta
            • DONE Fissiamo le metriche e il classificatore e cerchiamo di capire il modello di regressione che funziona meglio. DEADLINE: <2024-01-15 Mon>
              • Per ora abbiamo usato XGBoost, l'idea e' usare una rate neurale e SVM.
        • {:height 171, :width 590}
        • {:height 493, :width 556}
          • Correlazione tra sintomi e metriche calcolate
      • Primi risultati: id:: 659c23ae-54a3-4b5f-a9a6-c0ba32b7423d
        • {:height 431, :width 554}

  • 📜Reviews

    • {{query (and REVIEWS (or (property :date-end 08-01-2024) (property :date-start 08-01-2024)))}} query-table:: true query-properties:: [:file :year :venue :deadline]

  • ⤴️Omnivore readings

    • {{query (and (property :source Omnivore) (or (property :deadline 08-01-2024) (property :date-saved 08-01-2024) (property :date-archived 08-01-2024)))}} query-table:: true query-properties:: [:labels :author :site :full-title]