【http://t.cn/RopbMIk】美國納什維爾AI公司Skopos實驗室計算學家John Nay從網上下載並分析了從第103屆國會(1993—1995年)到第113屆國會(2013—2015年)的相關數據。其中包括草案的全文以及一系列變數,如共同贊助者的數量、法案被引入時的月份以及支持者是否在其所屬兩院占多數群體等。他利用從103屆到106屆國會的數據訓練了機器學習算式,從而將草案的內容和背景變數及其結果進行聯繫。最終通過這種方式,他的算式比簡單地猜測一個草案是否會通過的幾率高65%。

LINE it!
分享至google+
╰( ◕ ᗜ ◕ )╯ 快點加入POP微博粉絲團!
回頁頂