446 articoli
Questo articolo propone un quadro generale per quantificare la stabilità dei modelli di predizione non deterministici attraverso esiti metrici, categorici e ordinali, introducendo misure di stabilità basate sui dati e basate sul modello che superano i limiti dei metodi esistenti, quali la loro incapacità di gestire singoli oggetti di test e la loro sensibilità alla composizione dei dati.
Questo studio sviluppa un framework sequenziale di scelta del mezzo di trasporto basato sui tour per Sydney utilizzando dati GPS e caratteristiche derivate dal machine learning, dimostrando che i modelli Mixed Logit migliorano significativamente la previsione per le componenti interdipendenti dei tour e che il framework rimane robusto rispetto all'incertezza di stima a monte, convalidando così l'uso di input simulati per la previsione pratica della domanda di trasporto.
Questo studio dimostra che nei compiti di previsione del default creditizio, il parametro integrato `scale_pos_weight` di XGBoost supera significativamente la tradizionale tecnica di resampling SMOTE in termini di recall, evidenziando che la strategia ottimale per gestire lo sbilanciamento delle classi dipende dal classificatore specifico utilizzato piuttosto che da un metodo di resampling universale.
Questo articolo propone un metodo per la costruzione di tabelle di ranking stimate con regioni di confidenza congiunte per il vero ranking di K popolazioni, utilizzando assunzioni di normalità ed errori standard per comunicare visivamente l'incertezza del ranking e fornire insiemi di confidenza marginali per i singoli ranghi.
Questo articolo propone il Clinical Risk-Weighted Score (CRWS), una nuova metrica che disaccoppia le penalità per i falsi negativi e i falsi positivi per riflettere meglio le priorità cliniche, dimostrando attraverso l'analisi di MIMIC-IV che esso altera significativamente le classifiche dei modelli e rivela maggiori vantaggi clinici per gli algoritmi con le prestazioni migliori rispetto al tradizionale punteggio F1.
Questo articolo propone un quadro pratico che utilizza statistiche di sintesi per lo screening di asimmetria ed eteroschedasticità tramite il coefficiente di variazione e il rapporto di varianza su scala logaritmica, consentendo ai ricercatori di recuperare un'inferenza parametrica valida e più potente per dati clinici a piccoli campioni in cui i test di normalità tradizionali falliscono e i t-test standard sono carenti.
Il documento introduce , una nuova statistica in forma chiusa e priva di parametri che ottiene una calibrazione accurata della dimensione e una potenza robusta per testare l'indipendenza nelle tabelle di contingenza attraverso un ampio intervallo di sparsità ed eterogeneità marginale, unificando ed eccellendo efficacemente rispetto ai metodi esistenti come il chi-quadrato di Pearson e la statistica di Cressie-Read, fornendo al contempo una soluzione deterministica senza la necessità di permutazioni o bootstrap.
Questo articolo introduce la distribuzione Cauchy Generalizzata Momento-Trasmutata (GMTC), un modello a coda pesante flessibile che supera il limite della classica distribuzione di Cauchy di momenti inesistenti incorporando un parametro di forma per controllare il comportamento della coda e garantire momenti finiti, fornendo al contempo un'analisi completa delle sue proprietà, dei metodi di stima e delle applicazioni pratiche.
Questa revisione sistematica e meta-analisi sostiene che la minore prevalenza di allergie osservata negli ambienti agricoli sia probabilmente un artefatto dovuto a un bias di campionamento e all'effetto del lavoratore sano, piuttosto che una prova di un genuino rapporto causale protettivo.
Questo studio introduce un framework R open-source all'interno dell'ecosistema nlmixr2 che sfrutta algoritmi metaeuristici, in particolare l'ottimizzazione a colonia di formiche e la ricerca tabu, per superare significativamente i metodi stepwise tradizionali nell'automazione della selezione dei modelli farmacocinetici di popolazione e nell'identificazione dei modelli di verità fondamentale.