Salta al contenuto
VuFind
  • Entra
    • English
    • Deutsch
    • Español
    • Français
    • Italiano
Avanzata
  • Citazione
  • Invia SMS
  • Invia email
  • Stampa
  • Esporta il record
    • Esporta a RefWorks
    • Esporta a EndNoteWeb
    • Esporta a EndNote
  • Aggiungi alla lista
  • PLink permanente
Copertina

Salvato in:
Dettagli Bibliografici
Autori principali: Ning, Yilin, Li, Siqi, Ong, Marcus Eng Hock, Xie, Feng, Chakraborty, Bibhas, Ting, Daniel Shu Wei, Liu, Nan
Natura: Preprint
Pubblicazione: 2022
Soggetti:
Machine Learning
Accesso online:https://arxiv.org/abs/2201.03291
Tags: Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
  • Posseduto
  • Descrizione
  • Sommario
  • Commenti
  • Documenti analoghi
  • MARC21

Accesso online

https://arxiv.org/abs/2201.03291

Documenti analoghi

  • AutoScore-Survival: Developing interpretable machine learning-based time-to-event scores with right-censored survival data
    di: Xie, Feng, et al.
    Pubblicazione: (2021)
  • AutoScore-Imbalance: An interpretable machine learning tool for development of clinical scores with rare events data
    di: Yuan, Han, et al.
    Pubblicazione: (2021)
  • Survival modeling using deep learning, machine learning and statistical methods: A comparative analysis for predicting mortality after hospital admission
    di: Wang, Ziwen, et al.
    Pubblicazione: (2024)
  • Fairness-Aware Interpretable Modeling (FAIM) for Trustworthy Machine Learning in Healthcare
    di: Liu, Mingxuan, et al.
    Pubblicazione: (2024)
  • Deep learning for temporal data representation in electronic health records: A systematic review of challenges and methodologies
    di: Xie, Feng, et al.
    Pubblicazione: (2021)

Opzioni di ricerca

  • Ultime ricerche
  • Ricerca avanzata

Cerca

  • Scorri il catalogo
  • Scorri in ordine alfabetico
  • Esplora selezioni
  • Materiali riservati (per i corsi)
  • Nuovi documenti

Serve aiuto?

  • Suggerimenti per la ricerca
  • Chiedi al bibliotecario
  • FAQ