Buchumschlag

Model-agnostic variable importance for predictive uncertainty: an entropy-based approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wood, Danny, Papamarkou, Theodore, Benatan, Matt, Allmendinger, Richard
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

An adaptive approach to Bayesian Optimization with switching costs
von: Pricopie, Stefan, et al.
Veröffentlicht: (2024)

Spatial-Aware Decision-Making with Ring Attractors in Reinforcement Learning Systems
von: Saura, Marcos Negre, et al.
Veröffentlicht: (2024)

Probability-Generating Function Kernels for Spherical Data
von: Papamarkou, Theodore, et al.
Veröffentlicht: (2021)

A general framework for inference on algorithm-agnostic variable importance
von: Williamson, Brian D., et al.
Veröffentlicht: (2020)

GeoConformal prediction: a model-agnostic framework of measuring the uncertainty of spatial prediction
von: Lou, Xiayin, et al.
Veröffentlicht: (2024)

Bayesian Generative Adversarial Networks via Gaussian Approximation for Tabular Data Synthesis
von: Nasution, Bahrul Ilmi, et al.
Veröffentlicht: (2026)

Connecting the Dots: Is Mode-Connectedness the Key to Feasible Sample-Based Inference in Bayesian Neural Networks?
von: Sommer, Emanuel, et al.
Veröffentlicht: (2024)

TopoU-Net: a U-Net architecture for topological domains
von: Gaurav, Gaurav, et al.
Veröffentlicht: (2026)

Gradient-based Sample Selection for Faster Bayesian Optimization
von: Wei, Qiyu, et al.
Veröffentlicht: (2025)

The Human Brain as a Combinatorial Complex
von: Sánchez, Valentina, et al.
Veröffentlicht: (2025)

Counterfactual Credit Guided Bayesian Optimization
von: Wei, Qiyu, et al.
Veröffentlicht: (2025)

A Bayesian approach to quantifying uncertainties and improving generalizability in traffic prediction models
von: Sengupta, Agnimitra, et al.
Veröffentlicht: (2023)

Making informed decisions in cutting tool maintenance in milling: A KNN-based model agnostic approach
von: Wahul, Revati M., et al.
Veröffentlicht: (2023)

Colored Markov polycategories and diagrammatic differentiation
von: Papamarkou, Theodore
Veröffentlicht: (2026)

Shapelet-based Model-agnostic Counterfactual Local Explanations for Time Series Classification
von: Huang, Qi, et al.
Veröffentlicht: (2024)

DISCO: learning to DISCover an evolution Operator for multi-physics-agnostic prediction
von: Morel, Rudy, et al.
Veröffentlicht: (2025)

A semi-agnostic ansatz with variable structure for quantum machine learning
von: Bilkis, M., et al.
Veröffentlicht: (2021)

Combinatorial Complexes: Bridging the Gap Between Cell Complexes and Hypergraphs
von: Hajij, Mustafa, et al.
Veröffentlicht: (2023)

Human Preferences in Large Language Model Latent Space: A Technical Analysis on the Reliability of Synthetic Data in Voting Outcome Prediction
von: Ball, Sarah, et al.
Veröffentlicht: (2025)

Flow Matching for Tabular Data Synthesis
von: Nasution, Bahrul Ilmi, et al.
Veröffentlicht: (2025)

Enhanced sampling of robust molecular datasets with uncertainty-based collective variables
von: Tan, Aik Rui, et al.
Veröffentlicht: (2024)

A Typed Tensor Language for Federated Learning
von: Mailis, Theofilos, et al.
Veröffentlicht: (2026)

TAR: Teacher-Aligned Representations via Contrastive Learning for Quadrupedal Locomotion
von: Mousa, Amr, et al.
Veröffentlicht: (2025)

MIRACL: A Diverse Meta-Reinforcement Learning for Multi-Objective Multi-Echelon Combinatorial Supply Chain Optimisation
von: Rachman, Rifny, et al.
Veröffentlicht: (2026)

Parameter uncertainties for imperfect surrogate models in the low-noise regime
von: Swinburne, Thomas D, et al.
Veröffentlicht: (2024)

Evidential time-to-event prediction with calibrated uncertainty quantification
von: Huang, Ling, et al.
Veröffentlicht: (2024)

On the good reliability of an interval-based metric to validate prediction uncertainty for machine learning regression tasks
von: Pernot, Pascal
Veröffentlicht: (2024)

Automated Flow Pattern Classification in Multi-phase Systems Using AI and Capacitance Sensing Techniques
von: Ran, Nian, et al.
Veröffentlicht: (2025)

A Unified Gradient-based Framework for Task-agnostic Continual Learning-Unlearning
von: Huang, Zhehao, et al.
Veröffentlicht: (2025)

Universal rates of ERM for agnostic learning
von: Hanneke, Steve, et al.
Veröffentlicht: (2025)

ExLLM: Experience-Enhanced LLM Optimization for Molecular Design and Beyond
von: Ran, Nian, et al.
Veröffentlicht: (2025)

HR-Extreme: A High-Resolution Dataset for Extreme Weather Forecasting
von: Ran, Nian, et al.
Veröffentlicht: (2024)

Multi-objective evolutionary GAN for tabular data synthesis
von: Ran, Nian, et al.
Veröffentlicht: (2024)

DiCoFlex: Model-agnostic diverse counterfactuals with flexible control
von: Furman, Oleksii, et al.
Veröffentlicht: (2025)

CollaFuse: Collaborative Diffusion Models
von: Allmendinger, Simeon, et al.
Veröffentlicht: (2024)

CollaFuse: Navigating Limited Resources and Privacy in Collaborative Generative AI
von: Zipperling, Domenique, et al.
Veröffentlicht: (2024)

Model-agnostic post-hoc explainability for recommender systems
von: Arévalo, Irina, et al.
Veröffentlicht: (2025)

Model-agnostic Selective Labeling with Provable Statistical Guarantees
von: Huang, Huipeng, et al.
Veröffentlicht: (2025)

Improving importance estimation in covariate shift for providing accurate prediction error
von: Fdez-Díaz, Laura, et al.
Veröffentlicht: (2024)

Robustness and uncertainty: two complementary aspects of the reliability of the predictions of a classifier
von: Detavernier, Adrián, et al.
Veröffentlicht: (2025)