421 पेपर
यह शोधपत्र डेटा-आधारित और मॉडल-आधारित स्थिरता मापों को पेश करते हुए मेट्रिक, कैटेगोरिकल और ऑर्डिनल परिणामों के माध्यम से गैर-नियतत्ववादी (non-deterministic) भविष्यवाणी मॉडलों की स्थिरता को मापने के लिए एक सामान्य ढांचे का प्रस्ताव करता है, जो मौजूदा विधियों की सीमाओं, जैसे कि व्यक्तिगत परीक्षण वस्तुओं को संभालने में उनकी अक्षमता और डेटा संरचना के प्रति उनकी संवेदनशीलता, को दूर करता है।
यह अध्ययन GPS डेटा और मशीन-लर्निंग-व्युत्पन्न विशेषताओं का उपयोग करके सिडनी के लिए एक अनुक्रमिक टूर-आधारित मोड चयन ढांचा विकसित करता है, जो यह प्रदर्शित करता है कि मिक्स्ड लॉजिट मॉडल परस्पर निर्भर टूर घटकों के लिए भविष्यवाणी में महत्वपूर्ण सुधार करते हैं और यह ढांचा अपस्ट्रीम अनुमान अनिश्चितता के प्रति सुदृढ़ बना रहता है, जिससे व्यावहारिक यात्रा मांग पूर्वानुमान के लिए सिम्युलेटेड इनपुट के उपयोग की पुष्टि होती है।
यह अध्ययन प्रदर्शित करता है कि क्रेडिट डिफॉल्ट प्रेडिक्शन कार्यों पर, XGBoost का बिल्ट-इन `scale_pos_weight` पैरामीटर पारंपरिक SMOTE रिसैंपलिंग तकनीक की तुलना में रिकॉल (recall) में काफी बेहतर प्रदर्शन करता है, जो इस बात को रेखांकित करता है कि क्लास इम्बैलेंस (class imbalance) को संभालने की इष्टतम रणनीति किसी सार्वभौमिक रिसैंपलिंग पद्धति के बजाय उपयोग किए गए विशिष्ट क्लासिफायर पर निर्भर करती है।
यह शोध पत्र K जनसंख्याओं की वास्तविक रैंकिंग के लिए संयुक्त विश्वास क्षेत्रों (joint confidence regions) के साथ अनुमानित रैंकिंग तालिकाओं के निर्माण के लिए एक विधि प्रस्तावित करता है, जो रैंकिंग अनिश्चितता को दृश्य रूप से संप्रेषित करने और व्यक्तिगत रैंकों के लिए सीमांत विश्वास सेट (marginal confidence sets) प्रदान करने के लिए सामान्यता धारणाओं (normality assumptions) और मानक त्रुटियों का उपयोग करती है।
यह शोध पत्र क्लिनिकल रिस्क-वेटेड स्कोर (CRWS) का प्रस्ताव करता है, जो एक नवीन मीट्रिक है जो नैदानिक प्राथमिकताओं को बेहतर ढंग से दर्शाने के लिए फॉल्स नेगेटिव और फॉल्स पॉजिटिव के दंड को अलग करता है, और MIMIC-IV विश्लेषण के माध्यम से यह प्रदर्शित करता है कि यह मॉडल रैंकिंग को महत्वपूर्ण रूप से बदल देता है और पारंपरिक F1 स्कोर की तुलना में शीर्ष प्रदर्शन करने वाले एल्गोरिदम के लिए अधिक नैदानिक लाभ प्रकट करता है।
यह शोध पत्र विचलन गुणांक (coefficient of variation) और लॉग-स्केल विचरण अनुपात (log-scale variance ratio) के माध्यम से विषमता (skewness) और विषम विचरता (heteroscedasticity) की जांच करने के लिए सारांश सांख्यिकी (summary statistics) का उपयोग करते हुए एक व्यावहारिक ढांचे का प्रस्ताव करता है, जो शोधकर्ताओं को उन छोटे-नमूना नैदानिक डेटा (small-sample clinical data) के लिए वैध, अधिक शक्तिशाली पैरामीट्रिक अनुमान प्राप्त करने में सक्षम बनाता है जहाँ पारंपरिक सामान्यता परीक्षण (normality tests) विफल हो जाते हैं और मानक टी-परीक्षण (t-tests) अपर्याप्त होते हैं।
यह शोध पत्र को प्रस्तुत करता है, जो एक नवीन क्लोज्ड-फॉर्म, पैरामीटर-मुक्त सांख्यिकी है जो विरल डेटा (sparsity) और मार्जिनल विषमता (marginal heterogeneity) की एक विस्तृत श्रृंखला में कंटिंजेंसी टेबल्स में स्वतंत्रता के परीक्षण के लिए सटीक आकार अंशांकन (size calibration) और सुदृढ़ शक्ति (robust power) प्राप्त करता है, जो प्रभावी रूप से पियर्सन के ची-स्क्वायर और क्रेसी-रीड सांख्यिकी जैसे मौजूदा तरीकों को एकीकृत और उनसे बेहतर प्रदर्शन करते हुए बिना किसी परम्यूटेशन या बूटस्ट्रैप की आवश्यकता के एक नियतात्मक समाधान प्रदान करता है।
यह शोध पत्र 'जनरलाइज्ड मोमेंट-ट्रांसम्यूटेड कॉची' (GMTC) वितरण प्रस्तुत करता है, जो एक लचीला हेवी-टेल्ड मॉडल है जो एक आकार पैरामीटर (shape parameter) को शामिल करके शास्त्रीय कॉची वितरण की गैर-मौजूद मोमेंट्स की सीमा को दूर करता है ताकि पूंछ के व्यवहार (tail behavior) को नियंत्रित किया जा सके और परिमित मोमेंट्स सुनिश्चित किए जा सकें, साथ ही इसके गुणों, अनुमान विधियों और व्यावहारिक अनुप्रयोगों का एक व्यापक विश्लेषण भी प्रदान करता है।
यह व्यवस्थित समीक्षा और मेटा-विश्लेषण यह तर्क देता है कि खेती के वातावरण में एलर्जी की देखी गई कम व्यापकता संभवतः नमूना पूर्वाग्रह (सैंपलिंग बायस) और स्वस्थ कार्यकर्ता प्रभाव (हेल्दी वर्कर इफेक्ट) का एक परिणाम है, न कि किसी वास्तविक सुरक्षात्मक कारण संबंध का प्रमाण।
यह अध्ययन nlmixr2 इकोसिस्टम के भीतर एक ओपन-सोर्स R फ्रेमवर्क प्रस्तुत करता है जो मेटाहेयुरिस्टिक एल्गोरिदम, विशेष रूप से एंट कॉलोनी ऑप्टिमाइज़ेशन और टैबू सर्च का लाभ उठाता है, ताकि जनसंख्या फार्माकोकाइनेटिक मॉडल चयन को स्वचालित करने और ग्राउंड-ट्रुथ मॉडल की पहचान करने में पारंपरिक स्टेपवाइज विधियों की तुलना में काफी बेहतर प्रदर्शन किया जा सके।