:: Library Catalog

Copertina

Salvato in:

Dettagli Bibliografici
Autori principali:	Lienen, Julian, Hüllermeier, Eyke
Natura:	Preprint
Pubblicazione:	2023
Soggetti:	Machine Learning
Accesso online:	https://arxiv.org/abs/2305.13764
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Aleatoric and Epistemic Uncertainty Measures for Ordinal Classification through Binary Reduction
di: Haas, Stefan, et al.
Pubblicazione: (2025)

Linear Opinion Pooling for Uncertainty Quantification on Graphs
di: Damke, Clemens, et al.
Pubblicazione: (2024)

Distribution Matching for Graph Quantification Under Structural Covariate Shift
di: Damke, Clemens, et al.
Pubblicazione: (2025)

Adjusted Count Quantification Learning on Graphs
di: Damke, Clemens, et al.
Pubblicazione: (2025)

CUQ-GNN: Committee-based Graph Uncertainty Quantification using Posterior Networks
di: Damke, Clemens, et al.
Pubblicazione: (2024)

ResponseRank: Data-Efficient Reward Modeling through Preference Strength Learning
di: Kaufmann, Timo, et al.
Pubblicazione: (2025)

Random Forest Calibration
di: Shaker, Mohammad Hossein, et al.
Pubblicazione: (2025)

Reliable Part-of-Speech Tagging of Historical Corpora through Set-Valued Prediction
di: Heid, Stefan, et al.
Pubblicazione: (2020)

Quantifying Aleatoric and Epistemic Uncertainty with Proper Scoring Rules
di: Hofman, Paul, et al.
Pubblicazione: (2024)

Uncertainty Quantification with Proper Scoring Rules: Adjusting Measures to Prediction Tasks
di: Hofman, Paul, et al.
Pubblicazione: (2025)

Conformalized Credal Set Predictors
di: Javanmardi, Alireza, et al.
Pubblicazione: (2024)

Uncertainty Quantification for Machine Learning: One Size Does Not Fit All
di: Hofman, Paul, et al.
Pubblicazione: (2025)

Label-wise Aleatoric and Epistemic Uncertainty Quantification
di: Sale, Yusuf, et al.
Pubblicazione: (2024)

Efficient Credal Prediction through Decalibration
di: Hofman, Paul, et al.
Pubblicazione: (2026)

Information Leakage Detection through Approximate Bayes-optimal Prediction
di: Gupta, Pritha, et al.
Pubblicazione: (2024)

Pairwise Difference Learning for Classification
di: Belaid, Mohamed Karim, et al.
Pubblicazione: (2024)

Antithetic Sampling for Top-k Shapley Identification
di: Kolpaczki, Patrick, et al.
Pubblicazione: (2025)

Unification and Optimization of Robust Supervised Learning
di: Hanselle, Jonas, et al.
Pubblicazione: (2026)

Credal Prediction based on Relative Likelihood
di: Löhr, Timo, et al.
Pubblicazione: (2025)

Beyond TreeSHAP: Efficient Computation of Any-Order Shapley Interactions for Tree Ensembles
di: Muschalik, Maximilian, et al.
Pubblicazione: (2024)

Uncertainty Quantification for Regression: A Unified Framework based on kernel scores
di: Bülte, Christopher, et al.
Pubblicazione: (2025)

Probabilistic Scoring Lists for Interpretable Machine Learning
di: Hanselle, Jonas, et al.
Pubblicazione: (2024)

Calibrated Preference Learning: The Case of Label Ranking
di: Thies, Santo M. A. R., et al.
Pubblicazione: (2026)

Shapley Value Approximation Based on k-Additive Games
di: Pelegrina, Guilherme Dean, et al.
Pubblicazione: (2025)

Structured Credal Learning
di: Venkatesh, Varun, et al.
Pubblicazione: (2026)

A Survey of Reinforcement Learning from Human Feedback
di: Kaufmann, Timo, et al.
Pubblicazione: (2023)

Efficient Online Learning with Predictive Coding Networks: Exploiting Temporal Correlations
di: Zadeh-Jousdani, Darius Masoum, et al.
Pubblicazione: (2025)

Approximating the Shapley Value without Marginal Contributions
di: Kolpaczki, Patrick, et al.
Pubblicazione: (2023)

Uncertainty Quantification as a Principled Foundation for Explainable Artificial Intelligence: A Case Study of Counterfactual Explanations
di: Sokol, Kacper, et al.
Pubblicazione: (2025)

Second-Order Uncertainty Quantification: Variance-Based Measures
di: Sale, Yusuf, et al.
Pubblicazione: (2023)

Conformal Prediction in Hierarchical Classification with Constrained Representation Complexity
di: Mortier, Thomas, et al.
Pubblicazione: (2025)

Unifying Feature-Based Explanations with Functional ANOVA and Cooperative Game Theory
di: Fumagalli, Fabian, et al.
Pubblicazione: (2024)

Conformal Prediction Regions are Imprecise Highest Density Regions
di: Caprio, Michele, et al.
Pubblicazione: (2025)

ALPBench: A Benchmark for Active Learning Pipelines on Tabular Data
di: Margraf, Valentin, et al.
Pubblicazione: (2024)

A calibration test for evaluating set-based epistemic uncertainty representations
di: Jürgens, Mira, et al.
Pubblicazione: (2025)

Is Epistemic Uncertainty Faithfully Represented by Evidential Deep Learning Methods?
di: Jürgens, Mira, et al.
Pubblicazione: (2024)

KernelSHAP-IQ: Weighted Least-Square Optimization for Shapley Interactions
di: Fumagalli, Fabian, et al.
Pubblicazione: (2024)

An Axiomatic Assessment of Entropy- and Variance-based Uncertainty Quantification in Regression
di: Bülte, Christopher, et al.
Pubblicazione: (2025)

shapiq: Shapley Interactions for Machine Learning
di: Muschalik, Maximilian, et al.
Pubblicazione: (2024)

OCALM: Object-Centric Assessment with Language Models
di: Kaufmann, Timo, et al.
Pubblicazione: (2024)