研究团队推出不用民调的美国国会选举预测网站
热点事件持续更新
研究团队推出不用民调的美国国会选举预测网站
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
加州理工学院的 Jonathan N. Katz 与哈佛大学的 Danny Ebanks、Gary King 构建了一个生成式统计模型，并上线预测网站 ElectIt，用于预测美国国会选举。该模型的核心特点是不使用任何民调数据，覆盖 1946 年以来全部美国众议院选举和 1954 年以来参议院选举的数据。 据团队介绍，选举数据、预测结果及历史准确度评估均可在 ElectIt 网站查看；描述其方法的论文正在《Political Analysis》期刊接受审稿。
AI 根据报道生成 · 1 小时前更新
最新进展10月24日 06:34
Caltech 与哈佛团队推出 ElectIt：不用民调的美国国会选举预测工具报道时间线
沿着报道，了解事件的不同侧面。
10月24日
- Hacker NewsCaltech 与哈佛团队推出 ElectIt：不用民调的美国国会选举预测工具
Caltech 的 Jonathan N. Katz 与哈佛团队构建生成式统计模型并上线预测网站 ElectIt，覆盖 1946 年以来全部美国众议院选举和 1954 年以来参议院选举数据，核心模型不使用任何民调。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。