Buchumschlag

Stronger Baseline Models -- A Key Requirement for Aligning Machine Learning Research with Clinical Utility

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wolfrath, Nathan, Wolfrath, Joel, Hu, Hengrui, Banerjee, Anjishnu, Kothari, Anai N.
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning Computers and Society
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Novel Algorithm for Personalized Federated Learning: Knowledge Distillation with Weighted Combination Loss
von: Hu, Hengrui, et al.
Veröffentlicht: (2025)

A Biased Estimator for MinMax Sampling and Distributed Aggregation
von: Wolfrath, Joel, et al.
Veröffentlicht: (2024)

Rising Prevalence of Detected AI-Generated Text in Medical Literature: Longitudinal Analysis in Open Access Articles
von: Wolfrath, Nathan, et al.
Veröffentlicht: (2026)

SneakPeek: Data-Aware Model Selection and Scheduling for Inference Serving on the Edge
von: Wolfrath, Joel, et al.
Veröffentlicht: (2025)

Stronger Random Baselines for In-Context Learning
von: Yauney, Gregory, et al.
Veröffentlicht: (2024)

Fair Machine Learning for Healthcare Requires Recognizing the Intersectionality of Sociodemographic Factors, a Case Study
von: Valentine, Alissa A., et al.
Veröffentlicht: (2024)

Machine Learning in Epidemiology
von: Wright, Marvin N., et al.
Veröffentlicht: (2026)

Towards Public Administration Research Based on Interpretable Machine Learning
von: Liu, Zhanyu, et al.
Veröffentlicht: (2026)

Prediction without Preclusion: Recourse Verification with Reachable Sets
von: Kothari, Avni, et al.
Veröffentlicht: (2023)

Development and Validation of a Machine Learning Algorithm for Clinical Wellness Visit Classification in Cats and Dogs
von: Szlosek, Donald, et al.
Veröffentlicht: (2024)

EXAGREE: Mitigating Explanation Disagreement with Stakeholder-Aligned Models
von: Li, Sichao, et al.
Veröffentlicht: (2024)

An Ensemble Framework for Explainable Geospatial Machine Learning Models
von: Liu, Lingbo
Veröffentlicht: (2024)

Research on Education Big Data for Students Academic Performance Analysis based on Machine Learning
von: Wang, Chun, et al.
Veröffentlicht: (2024)

Achievable Fairness on Your Data With Utility Guarantees
von: Taufiq, Muhammad Faaiz, et al.
Veröffentlicht: (2024)

DualAlign: Generating Clinically Grounded Synthetic Data
von: Li, Rumeng, et al.
Veröffentlicht: (2025)

Cross-Course Generalizability of SRL-Aligned Predictive Models Using Digital Learning Traces
von: Schwerter, Jakob, et al.
Veröffentlicht: (2026)

On Prediction-Modelers and Decision-Makers: Why Fairness Requires More Than a Fair Prediction Model
von: Scantamburlo, Teresa, et al.
Veröffentlicht: (2023)

Counterfactual Fairness Evaluation of Machine Learning Models on Educational Datasets
von: Kim, Woojin, et al.
Veröffentlicht: (2025)

The Effect of Enforcing Fairness on Reshaping Explanations in Machine Learning Models
von: Anderson, Joshua Wolff, et al.
Veröffentlicht: (2025)

MachineLearnAthon: An Action-Oriented Machine Learning Didactic Concept
von: Tkáč, Michal, et al.
Veröffentlicht: (2024)

FairLogue: Evaluating Intersectional Fairness across Clinical Machine Learning Use Cases using the All of Us Research Program
von: Souligne, Nick, et al.
Veröffentlicht: (2026)

Unfair Utilities and First Steps Towards Improving Them
von: Jørgensen, Frederik Hytting, et al.
Veröffentlicht: (2023)

Evaluating Privacy-Utility Tradeoffs in Synthetic Smart Grid Data
von: Catarino, Andre, et al.
Veröffentlicht: (2025)

Context-Aware Quantitative Risk Assessment Machine Learning Model for Drivers Distraction
von: Fasanmade, Adebamigbe, et al.
Veröffentlicht: (2024)

Novel Topological Machine Learning Methodology for Stream-of-Quality Modeling in Smart Manufacturing
von: Lee, Jay, et al.
Veröffentlicht: (2024)

Learning Linear Utility Functions From Pairwise Comparison Queries
von: Ge, Luise, et al.
Veröffentlicht: (2024)

Transfer Learning and Machine Learning for Training Five Year Survival Prognostic Models in Early Breast Cancer
von: Pilgram, Lisa, et al.
Veröffentlicht: (2025)

Engineering the Law-Machine Learning Translation Problem: Developing Legally Aligned Models
von: Hanson, Mathias, et al.
Veröffentlicht: (2025)

Debias-CLR: A Contrastive Learning Based Debiasing Method for Algorithmic Fairness in Healthcare Applications
von: Agarwal, Ankita, et al.
Veröffentlicht: (2024)

Fair Machine Learning in Healthcare: A Review
von: Feng, Qizhang, et al.
Veröffentlicht: (2022)

Enhancing Fairness and Performance in Machine Learning Models: A Multi-Task Learning Approach with Monte-Carlo Dropout and Pareto Optimality
von: Zanna, Khadija, et al.
Veröffentlicht: (2024)

Non-Determinism and the Lawlessness of Machine Learning Code
von: Cooper, A. Feder, et al.
Veröffentlicht: (2022)

Insights From Insurance for Fair Machine Learning
von: Fröhlich, Christian, et al.
Veröffentlicht: (2023)

Evaluating the Fairness of the MIMIC-IV Dataset and a Baseline Algorithm: Application to the ICU Length of Stay Prediction
von: Kakadiaris, Alexandra
Veröffentlicht: (2023)

Diagnosing Psychiatric Patients: Can Large Language and Machine Learning Models Perform Effectively in Emergency Cases?
von: Ahammed, Abu Shad, et al.
Veröffentlicht: (2025)

Macroscopic Emission Modeling of Urban Traffic Using Probe Vehicle Data: A Machine Learning Approach
von: Adlouni, Mohammed Ali El, et al.
Veröffentlicht: (2025)

Bushfire Severity Modelling and Future Trend Prediction Across Australia: Integrating Remote Sensing and Machine Learning
von: Partheepan, Shouthiri, et al.
Veröffentlicht: (2024)

Fostering the Ecosystem of AI for Social Impact Requires Expanding and Strengthening Evaluation Standards
von: Wilder, Bryan, et al.
Veröffentlicht: (2025)

Rehabilitating Homeless: Dataset and Key Insights
von: Bykova, Anna, et al.
Veröffentlicht: (2023)

Evaluating Fair Feature Selection in Machine Learning for Healthcare
von: Zawad, Md Rahat Shahriar, et al.
Veröffentlicht: (2024)