Buchumschlag

Accounting for multiplicity in machine learning benchmark performance

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Møllersen, Kajsa, Holsbø, Einar
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Methodology Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Functional effects models: Accounting for preference heterogeneity in panel data with machine learning
von: Salvadé, Nicolas, et al.
Veröffentlicht: (2025)

Causal hybrid modeling with double machine learning
von: Cohrs, Kai-Hendrik, et al.
Veröffentlicht: (2024)

Orthogonal machine learning for conditional odds and risk ratios
von: Ge, Jiacheng, et al.
Veröffentlicht: (2026)

Sample size determination for machine learning in medical research
von: Arifin, Wan Nor, et al.
Veröffentlicht: (2025)

Beyond algorithm hyperparameters: on preprocessing hyperparameters and associated pitfalls in machine learning applications
von: Sauer, Christina, et al.
Veröffentlicht: (2024)

A new machine learning framework for occupational accidents forecasting with safety inspections integration
von: Yapi, Aho, et al.
Veröffentlicht: (2025)

Accounting for Missing Covariates in Heterogeneous Treatment Estimation
von: Yamin, Khurram, et al.
Veröffentlicht: (2024)

Improving reproducibility by controlling random seed stability in machine learning based estimation via bagging
von: Williams, Nicholas, et al.
Veröffentlicht: (2026)

Stability of clinical prediction models developed using statistical or machine learning methods
von: Riley, Richard D, et al.
Veröffentlicht: (2022)

IncomeSCM: From tabular data set to time-series simulator and causal estimation benchmark
von: Johansson, Fredrik D.
Veröffentlicht: (2024)

A step towards the integration of machine learning and classic model-based survey methods
von: Żądło, Tomasz, et al.
Veröffentlicht: (2024)

Leveraging heterogeneity for identifiability: Bayesian order-based learning of multiple DAGs
von: Chang, Hyunwoong, et al.
Veröffentlicht: (2026)

Elliptical Wishart distributions: information geometry, maximum likelihood estimator, performance analysis and statistical learning
von: Ayadi, Imen, et al.
Veröffentlicht: (2024)

Adaptive debiased machine learning using data-driven model selection techniques
von: van der Laan, Lars, et al.
Veröffentlicht: (2023)

Generative machine learning methods for multivariate ensemble post-processing
von: Chen, Jieyu, et al.
Veröffentlicht: (2022)

Nature versus nurture in galaxy formation: the effect of environment on star formation with causal machine learning
von: Mucesh, Sunil, et al.
Veröffentlicht: (2024)

Archetypal cases for questionnaires with nominal multiple choice questions
von: Alcacer, Aleix, et al.
Veröffentlicht: (2026)

Doubly robust identification of treatment effects from multiple environments
von: De Bartolomeis, Piersilvio, et al.
Veröffentlicht: (2025)

Transfer Q-learning
von: Chen, Elynn, et al.
Veröffentlicht: (2022)

Robust performance metrics for imbalanced classification problems
von: Holzmann, Hajo, et al.
Veröffentlicht: (2024)

Combining T-learning and DR-learning: a framework for oracle-efficient estimation of causal contrasts
von: van der Laan, Lars, et al.
Veröffentlicht: (2024)

Causal-learn: Causal Discovery in Python
von: Zheng, Yujia, et al.
Veröffentlicht: (2023)

Generalized Bayesian deep reinforcement learning
von: Roy, Shreya Sinha, et al.
Veröffentlicht: (2024)

A flexible empirical Bayes approach to multiple linear regression and connections with penalized regression
von: Kim, Youngseok, et al.
Veröffentlicht: (2022)

Robust low-rank estimation with multiple binary responses using pairwise AUC loss
von: Mai, The Tien
Veröffentlicht: (2026)

Uncertainty estimation of machine learning spatial precipitation predictions from satellite data
von: Papacharalampous, Georgia, et al.
Veröffentlicht: (2023)

Developing synthetic microdata through machine learning for firm-level business surveys
von: Cisneros, Jorge, et al.
Veröffentlicht: (2025)

Machine learning to optimize precision in the analysis of randomized trials: A journey in pre-specified, yet data-adaptive learning
von: Balzer, Laura B., et al.
Veröffentlicht: (2025)

Transfer learning under latent space model
von: Fang, Kuangnan, et al.
Veröffentlicht: (2025)

Semi-supervised learning for linear extremile regression
von: Jiang, Rong, et al.
Veröffentlicht: (2025)

G-computation for increasing performances of clinical trials with individual randomization and binary response
von: de Keizer, Joe, et al.
Veröffentlicht: (2024)

Active learning with biased non-response to label requests
von: Robinson, Thomas, et al.
Veröffentlicht: (2023)

Consensus dimension reduction via multi-view learning
von: An, Bingxue, et al.
Veröffentlicht: (2025)

Optimal differentially private kernel learning with random projection
von: Lee, Bonwoo, et al.
Veröffentlicht: (2025)

Nonparametric learning of heterogeneous graphical model on network-linked data
von: Wang, Yuwen, et al.
Veröffentlicht: (2025)

A semi-supervised learning using over-parameterized regression
von: Hagiwara, Katsuyuki
Veröffentlicht: (2024)

Automatic debiasing of neural networks via moment-constrained learning
von: Hines, Christian L., et al.
Veröffentlicht: (2024)

Joint modeling for learning decision-making dynamics in behavioral experiments
von: Bian, Yuan, et al.
Veröffentlicht: (2025)

High-dimensional semi-supervised learning: in search for optimal inference of the mean
von: Zhang, Yuqian, et al.
Veröffentlicht: (2019)

Ensemble learning for uncertainty estimation with application to the correction of satellite precipitation products
von: Papacharalampous, Georgia, et al.
Veröffentlicht: (2024)