Buchumschlag

Model-Agnostic Interpretation Framework in Machine Learning: A Comparative Study in NBA Sports

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Liu, Shun
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Applications
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Estimating the age-conditioned average treatment effects curves: An application for assessing load-management strategies in the NBA
von: Nakamura-Sakai, Shinpei, et al.
Veröffentlicht: (2024)

Double Machine Learning Methods for Estimating Average Treatment Effects: A Comparative Study
von: Tan, Xiaoqing, et al.
Veröffentlicht: (2022)

TCDformer-based Momentum Transfer Model for Long-term Sports Prediction
von: Liu, Hui, et al.
Veröffentlicht: (2024)

Anomaly Detection in Power Grids via Context-Agnostic Learning
von: Park, SangWoo, et al.
Veröffentlicht: (2024)

Interpretable Machine Learning for Cognitive Aging: Handling Missing Data and Uncovering Social Determinant
von: Mao, Xi, et al.
Veröffentlicht: (2025)

A Machine Learning-based Anomaly Detection Framework in Life Insurance Contracts
von: Groll, Andreas, et al.
Veröffentlicht: (2024)

A Machine Learning-Based Framework to Shorten the Questionnaire for Assessing Autism Intervention
von: Dong, Audrey, et al.
Veröffentlicht: (2025)

DeepBridge: A Unified and Production-Ready Framework for Multi-Dimensional Machine Learning Validation
von: Haase, Gustavo Coelho, et al.
Veröffentlicht: (2025)

A Machine Learning Framework for Breast Cancer Treatment Classification Using a Novel Dataset
von: Hasan, Md Nahid, et al.
Veröffentlicht: (2025)

Assessing the Impact of Upselling in Online Fantasy Sports
von: Chaudhary, Aayush
Veröffentlicht: (2024)

Pure Component Property Estimation Framework Using Explainable Machine Learning Methods
von: Jiao, Jianfeng, et al.
Veröffentlicht: (2025)

Comprehensive Benchmarking of Machine Learning Methods for Risk Prediction Modelling from Large-Scale Survival Data: A UK Biobank Study
von: Oexner, Rafael R., et al.
Veröffentlicht: (2025)

A Novel Framework for Analyzing Structural Transformation in Data-Constrained Economies Using Bayesian Modeling and Machine Learning
von: Katende, Ronald
Veröffentlicht: (2024)

A Comprehensive Case Study on the Performance of Machine Learning Methods on the Classification of Solar Panel Electroluminescence Images
von: Song, Xinyi, et al.
Veröffentlicht: (2024)

Modeling Parkinson's Disease Progression Using Longitudinal Voice Biomarkers: A Comparative Study of Statistical and Neural Mixed-Effects Models
von: Tong, Ran, et al.
Veröffentlicht: (2025)

Teleodynamic Learning a new Paradigm For Interpretable AI
von: ter Horst, Enrique, et al.
Veröffentlicht: (2026)

SLEM: Machine Learning for Path Modeling and Causal Inference with Super Learner Equation Modeling
von: Vowels, Matthew J.
Veröffentlicht: (2023)

Intelligent Diagnosis of Alzheimer's Disease Based on Machine Learning
von: Li, Mingyang, et al.
Veröffentlicht: (2024)

Atlas-based Manifold Representations for Interpretable Riemannian Machine Learning
von: Robinett, Ryan A., et al.
Veröffentlicht: (2025)

Assessment of Sports Concussion in Female Athletes: A Role for Neuroinformatics?
von: Edelstein, Rachel, et al.
Veröffentlicht: (2024)

A Causal Machine Learning Framework for Treatment Personalization in Clinical Trials: Application to Ulcerative Colitis
von: Minoccheri, Cristian, et al.
Veröffentlicht: (2026)

Bridging the Gap Between Climate Science and Machine Learning in Climate Model Emulation
von: Schmidt, Luca, et al.
Veröffentlicht: (2026)

Why You Should Not Trust Interpretations in Machine Learning: Adversarial Attacks on Partial Dependence Plots
von: Xin, Xi, et al.
Veröffentlicht: (2024)

Balancing Interpretability and Flexibility in Modeling Diagnostic Trajectories with an Embedded Neural Hawkes Process Model
von: Zhao, Yuankang, et al.
Veröffentlicht: (2025)

Establishing Nationwide Power System Vulnerability Index across US Counties Using Interpretable Machine Learning
von: Ma, Junwei, et al.
Veröffentlicht: (2024)

A Comprehensive Analysis of Churn Prediction in Telecommunications Using Machine Learning
von: Chen, Xuhang, et al.
Veröffentlicht: (2025)

Bayesian Hybrid Machine Learning of Gallstone Risk
von: Chakraborty, Chitradipa, et al.
Veröffentlicht: (2025)

Predicting VBAC Outcomes from U.S. Natality Data using Deep and Classical Machine Learning Models
von: Anand, Ananya
Veröffentlicht: (2025)

Clustering Approaches for Mixed-Type Data: A Comparative Study
von: Ghattas, Badih, et al.
Veröffentlicht: (2025)

Monitoring Machine Learning Forecasts for Platform Data Streams
von: Rombouts, Jeroen, et al.
Veröffentlicht: (2024)

Sustainable Greenhouse Microclimate Modeling: A Comparative Analysis of Recurrent and Graph Neural Networks
von: Seri, Emiliano, et al.
Veröffentlicht: (2025)

bioLeak: Leakage-Aware Modeling and Diagnostics for Machine Learning in R
von: Korkmaz, Selçuk
Veröffentlicht: (2026)

Predicting Air Pollution in Cork, Ireland Using Machine Learning
von: Rashidunnabi, Md, et al.
Veröffentlicht: (2025)

Predicting House Rental Prices in Ghana Using Machine Learning
von: Adzanoukpe, Philip
Veröffentlicht: (2025)

Classification of Epileptic iEEG using Topological Machine Learning
von: Tanweer, Sunia, et al.
Veröffentlicht: (2026)

Diagnostics for Individual-Level Prediction Instability in Machine Learning for Healthcare
von: Miller, Elizabeth W., et al.
Veröffentlicht: (2026)

Applications of Machine Learning in Pharmacogenomics: Clustering Plasma Concentration-Time Curves
von: Lautier, Jackson P., et al.
Veröffentlicht: (2022)

Statistical Uncertainty Quantification for Aggregate Performance Metrics in Machine Learning Benchmarks
von: Longjohn, Rachel, et al.
Veröffentlicht: (2025)

Data Curation for Machine Learning Interatomic Potentials by Determinantal Point Processes
von: Zou, Joanna, et al.
Veröffentlicht: (2026)

Application of Machine Learning in Stock Market Forecasting: A Case Study of Disney Stock
von: Huang, Dengxin
Veröffentlicht: (2023)