Buchumschlag

Classification Modeling with RNN-Based, Random Forest, and XGBoost for Imbalanced Data: A Case of Early Crash Detection in ASEAN-5 Stock Markets

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Siswara, Deri, Soleh, Agus M., Wigena, Aji Hamim
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Applications Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Crash Severity Risk Modeling Strategies under Data Imbalance
von: Mamun, Abdullah Al, et al.
Veröffentlicht: (2024)

Predicting Stock Market Crash with Bayesian Generalised Pareto Regression
von: Das, Sourish
Veröffentlicht: (2025)

Leveraging Connected Vehicle Data for Near-Crash Detection and Analysis in Urban Environments
von: Li, Xinyu, et al.
Veröffentlicht: (2024)

Functional Random Forest with Adaptive Cost-Sensitive Splitting for Imbalanced Functional Data Classification
von: Mostafa, Fahad, et al.
Veröffentlicht: (2025)

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

Model Validation Practice in Banking: A Structured Approach for Predictive Models
von: Sudjianto, Agus, et al.
Veröffentlicht: (2024)

Institutional Learning and Volatility Transmission in ASEAN Equity Markets: A Network-Integrated Regime-Dependent Approach
von: Yang, Junlin
Veröffentlicht: (2025)

Optimizing Fintech Marketing: A Comparative Study of Logistic Regression and XGBoost
von: Attota, Sahar Yarmohammadtoosky Dinesh Chowdary
Veröffentlicht: (2024)

Generalizing Trimming Bounds for Endogenously Missing Outcome Data Using Random Forests
von: Samii, Cyrus, et al.
Veröffentlicht: (2023)

Decomposing Global AUC into Cluster-Level Contributions for Localized Model Diagnostics
von: Sudjianto, Agus, et al.
Veröffentlicht: (2025)

Evaluating Traumatic Brain Injury Outcomes in Road Traffic Crashes
von: Oishi, Azka Rodoshi, et al.
Veröffentlicht: (2024)

XGBoost meets INLA: a two-stage spatio-temporal forecasting of wildfires in Portugal
von: Hu, Chenglei, et al.
Veröffentlicht: (2025)

Simplifying Random Forests' Probabilistic Forecasts
von: Koster, Nils, et al.
Veröffentlicht: (2024)

Polyspectral Mean based Time Series Clustering of Indian Stock Market
von: Ghosh, Dhrubajyoti
Veröffentlicht: (2025)

Analysing Opportunity Cost of Care Work using Mixed Effects Random Forests under Aggregated Auxiliary Data
von: Krennmair, Patrick, et al.
Veröffentlicht: (2022)

Injury Severity Analysis of Truck-Involved Crashes under Different Weather Conditions
von: Uddin, Majbah, et al.
Veröffentlicht: (2024)

Weather-Related Crash Risk Forecasting: A Deep Learning Approach for Heterogenous Spatiotemporal Data
von: Ogungbire, Abimbola, et al.
Veröffentlicht: (2026)

Near‐Surface Maximum Wind Speed Prediction Using XGBoost Model Integrated Bayesian Optimization Algorithm and Based on K‐Nearest Neighbor Mutual Information Feature Selection
von: Xiaoyan Huang, et al.
Veröffentlicht: (2026)

Predicting Value at Risk for Cryptocurrencies With Generalized Random Forests
von: Buse, Rebekka, et al.
Veröffentlicht: (2022)

Ensemble Classification Model With CFS‐IGWO–Based Feature Selection for Cancer Detection Using Microarray Data
von: Pinakshi Panda, et al.
Veröffentlicht: (2024)

The Impacts of the Gender Imbalance on the Marriage Market: Evidence from World War II in Japan
von: Ogasawara, Kota, et al.
Veröffentlicht: (2021)

Truck-Involved Crashes Injury Severity Analysis for Different Lighting Conditions on Rural and Urban Roadways
von: Uddin, Majbah, et al.
Veröffentlicht: (2024)

Can Generalized Extreme Value Model Fit the Real Stocks
von: Lin, Sen, et al.
Veröffentlicht: (2024)

XAI for Early Crop Classification
von: Chan, Ayshah, et al.
Veröffentlicht: (2023)

Time Series Analysis in American Stock Market Recovering in Post COVID-19 Pandemic Period
von: Fu, Weilin, et al.
Veröffentlicht: (2022)

Nonparametric Safety Stock Dimensioning: A Data-Driven Approach for Supply Chains of Hardware OEMs
von: Agbenyega, Elvis, et al.
Veröffentlicht: (2025)

Random Forest for Dynamic Risk Prediction or Recurrent Events: A Pseudo-Observation Approach
von: Loe, Abigail, et al.
Veröffentlicht: (2023)

Trend-encoded Probabilistic Multi-order Model: A Non-Machine Learning Approach for Enhanced Stock Market Forecasts
von: Wang, Peiwan, et al.
Veröffentlicht: (2025)

Interval Prediction of Annual Average Daily Traffic on Local Roads via Quantile Random Forest with High-Dimensional Spatial Data
von: Yao, Ying, et al.
Veröffentlicht: (2025)

Enhanced Forest Inventories for Habitat Mapping: A Case Study in the Sierra Nevada Mountains of California
von: Turgeon, Maxime, et al.
Veröffentlicht: (2026)

GRUvader: Sentiment-Informed Stock Market Prediction
von: Mamillapalli, Akhila, et al.
Veröffentlicht: (2024)

Outage Identification from Electricity Market Data: Quickest Change Detection Approach
von: Hoseinpour, Milad, et al.
Veröffentlicht: (2026)

Capturing Road-Level Heterogeneity in Crash Severity on Two-Lane Rural Highways: A Multilevel Mixed-Effects Approach
von: Azhdari, Mahdi, et al.
Veröffentlicht: (2025)

A Bayesian Hierarchical Generalization of Empirical Bayes for Crash Rate Estimation with Missing Traffic Volume
von: Skaug, Lars
Veröffentlicht: (2026)

Navigating ChatGPT in ASEAN Higher Education: Ethical and Pedagogical Perspectives
von: Dipima Buragohain, et al.
Veröffentlicht: (2025)

Optimal Stock Portfolio Selection with a Multivariate Hidden Markov Model
von: Majumder, Reetam, et al.
Veröffentlicht: (2024)

COVID-19 Forecasts via Stock Market Indicators
von: Liang, Yi, et al.
Veröffentlicht: (2021)

Power Imbalance Analysis and Minimum Imbalance Power Based Power Balance Control for Nonagonal MMC in FFTS‐Based Offshore Wind Farm
von: Wenjun Liu, et al.
Veröffentlicht: (2025)

Attractor-Based Coevolving Dot Product Random Graph Model
von: Yang, Shiwen, et al.
Veröffentlicht: (2025)

Embedding Complexity In the Data Representation Instead of In the Model: A Case Study Using Heterogeneous Medical Data
von: Bajor, Jacek M., et al.
Veröffentlicht: (2018)