257 articoli
Questo articolo introduce DriftGuard, un framework di auditing a due stadi che stabilisce confini teorici di rilevabilità per lo shift di distribuzione e fornisce un protocolo rigoroso, basato su un budget di etichette, per diagnosticare il fallimento della copertura e ricalibrare i modelli di predizione conforme sia sotto covariate shift che sotto concept shift.
Questo studio dimostra che la registrazione differenziale, legata all'esposizione, di esiti continui, come la perdita di sangue stimata visivamente, può fabbricare effetti del trattamento ampi e dall'aspetto robusto nella ricerca nel mondo reale attraverso un errore di misurazione sistematico piuttosto che attraverso reali differenze cliniche, rendendo necessari specifici controlli diagnostici e il ricorso a misure oggettive per evitare conclusioni spurie.
Questo articolo presenta un modello di miscela consapevole dell'incertezza e spazialmente informato, con meccanismi di contrazione e pesatura delle classi, che migliora significativamente la classificazione degli stati sbilanciati della piuma di CO₂ nel benchmark di Sleipner, identificando regimi interpretabili organizzati per profondità e fornendo stime dell'incertezza a posteriori.
Questo articolo propone la meta-regressione bayesiana a kernel machine (BKMMR), un flessibile framework di modellazione in seconda fase che supera i limiti della convenzionale meta-regressione lineare catturando automaticamente non linearità e interazioni nei dati di epidemiologia ambientale multi-località, migliorando così l'accuratezza della stima, la predizione e le capacità di downscaling, come dimostrato attraverso simulazioni e uno studio sull'inquinamento atmosferico in Corea del Sud.
Questo studio dimostra che il modello Right-Truncated Peaks-Over-Threshold (RT-POT) supera gli approcci tradizionali della Generalized Extreme Value e della Generalized Pareto Distribution fornendo stime dei parametri più precise e endpoint superiori più realistici per la gestione dei livelli estremi dell'acqua presso la diga di Akosombo in Ghana sotto troncamento naturale.
Questo articolo propone strategie di euristica a soglia Bayesiana adattiva per il problema del segretario a informazione parziale integrando la teoria dell'arresto ottimale a informazione completa con l'aggiornamento Bayesiano tramite una prior coniugata Normal-Gamma, dimostrando una prestazione superiore rispetto ai metodi di stima della massima verosimiglianza, in particolare in presenza di campioni di piccole dimensioni e di deboli informazioni a priori.
Questo articolo propone e valuta lo stimatore Cross-Fitted Contamination-Aware Generalized Empirical-Bayes Liu Shrinkage (CF-CABLS-MNL) per i modelli Multinomial Logit, un quadro robusto che integra la divergenza di densità-potenza cross-fitted, la correzione della classificazione errata e lo shrinkage spettrale per ridurre significativamente l'errore quadratico medio in presenza di multicollinearità e outlier, sebbene i risultati empirici indichino che, mentre eccelle in contesti contaminati, i metodi di regolarizzazione diretta come la regressione Ridge possono superarlo in scenari con dati puliti o densi.
Questo articolo propone un framework di clustering basato su modelli per dati sferici e iper-sferici utilizzando distribuzioni ellitticamente simmetriche, nello specifico le distribuzioni gaussiane angolari e Cauchy proiettate ellitticamente simmetriche sferiche, che vengono stimate tramite l'algoritmo di aspettativa-massimizzazione e valutate attraverso simulazioni e applicazioni nel mondo reale.
Questo studio su 2.058 partite in sei campionati europei dimostra che, sebbene gli indicatori di prestazione relativa (differenze tra squadra e avversario) siano più efficaci degli indicatori assoluti nel prevedere l'esito delle partite, il modello predittivo più accurato si ottiene integrando sia metriche assolute che relative.
Questo articolo introduce la distribuzione Odd Log-Logistic Rayleigh (OLLR) a due parametri come un'estensione flessibile del modello di Rayleigh, derivandone le proprietà statistiche e dimostrandone le prestazioni superiori nella modellazione di dati di durata attraverso applicazioni su due dataset del mondo reale.