A transferable explainable and uncertainty-aware machine learning framework for water quality classification in data-scarce regions
Este estudio propone un marco de aprendizaje automático transferible, explicable y consciente de la incertidumbre para la clasificación de la calidad del agua en regiones con escasez de datos que combina familias de tareas distintas y un modelado robusto para proporcionar una herramienta de apoyo a la decisión cautelosa y reproducible en lugar de un clasificador automático ciego.