A transferable explainable and uncertainty-aware machine learning framework for water quality classification in data-scarce regions
Cette étude propose un cadre d'apprentissage automatique transférable, explicable et conscient de l'incertitude pour la classification de la qualité de l'eau dans les régions où les données sont rares, qui combine des familles de tâches distinctes et une modélisation robuste afin de fournir un outil d'aide à la décision prudent et reproductible plutôt qu'un classificateur automatique aveugle.