Buchumschlag

Splitting criteria for ordinal decision trees: an experimental study

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ayllón-Gavilán, Rafael, Martínez-Estudillo, Francisco José, Guijo-Rubio, David, Hervás-Martínez, César, Gutiérrez, Pedro Antonio
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Dictionary-based approach to Time Series Ordinal Classification
von: Ayllón-Gavilán, Rafael, et al.
Veröffentlicht: (2023)

dlordinal: a Python package for deep ordinal classification
von: Bérchez-Moreno, Francisco, et al.
Veröffentlicht: (2024)

Convolutional and Deep Learning based techniques for Time Series Ordinal Classification
von: Ayllón-Gavilán, Rafael, et al.
Veröffentlicht: (2023)

TOC-UCO: a comprehensive repository of tabular ordinal classification datasets
von: Ayllón-Gavilán, Rafael, et al.
Veröffentlicht: (2025)

Time series clustering based on the characterisation of segment typologies
von: Guijo-Rubio, David, et al.
Veröffentlicht: (2018)

Improving the classification of extreme classes by means of loss regularisation and generalised beta distributions
von: Vargas, Víctor Manuel, et al.
Veröffentlicht: (2024)

Validation of artificial neural networks to model the acoustic behaviour of induction motors
von: Jimenez-Romero, F. J., et al.
Veröffentlicht: (2024)

Unsupervised Feature Based Algorithms for Time Series Extrinsic Regression
von: Guijo-Rubio, David, et al.
Veröffentlicht: (2023)

Fast hyperboloid decision tree algorithms
von: Chlenski, Philippe, et al.
Veröffentlicht: (2023)

Better Trees: An empirical study on hyperparameter tuning of classification decision tree induction algorithms
von: Mantovani, Rafael Gomes, et al.
Veröffentlicht: (2018)

Smooth Quasar-Convex Optimization with Constraints
von: Martínez-Rubio, David
Veröffentlicht: (2025)

Soft decision trees for survival analysis
von: Consolo, Antonio, et al.
Veröffentlicht: (2025)

Mixed-curvature decision trees and random forests
von: Chlenski, Philippe, et al.
Veröffentlicht: (2024)

Automated univariate time series forecasting with regression trees
von: Martínez, Francisco, et al.
Veröffentlicht: (2026)

Identifying architectural design decisions for achieving green ML serving
von: Durán, Francisco, et al.
Veröffentlicht: (2024)

ODTE -- An ensemble of multi-class SVM-based oblique decision trees
von: Montañana, Ricardo, et al.
Veröffentlicht: (2024)

Policy gradient methods for ordinal policies
von: Weinberger, Simón, et al.
Veröffentlicht: (2025)

Beyond Short Steps in Frank-Wolfe Algorithms
von: Martínez-Rubio, David, et al.
Veröffentlicht: (2025)

Scenario theory for multi-criteria data-driven decision making
von: Garatti, Simone, et al.
Veröffentlicht: (2026)

Minimising changes to audit when updating decision trees
von: Simmons, Anj, et al.
Veröffentlicht: (2024)

Analyzing decision tree bias towards the minority class
von: Phelps, Nathan, et al.
Veröffentlicht: (2025)

Proper decision trees: An axiomatic framework for solving optimal decision tree problems with arbitrary splitting rules
von: He, Xi, et al.
Veröffentlicht: (2025)

Interpretable clustering via optimal multiway-split decision trees
von: Suzuki, Hayato, et al.
Veröffentlicht: (2026)

Optimal hypersurface decision trees
von: He, Xi
Veröffentlicht: (2025)

Complexity of Classical Acceleration for $\ell_1$-Regularized PageRank
von: Fountoulakis, Kimon, et al.
Veröffentlicht: (2026)

Linear Convergence of the Frank-Wolfe Algorithm over Product Polytopes
von: Iommazzo, Gabriele, et al.
Veröffentlicht: (2025)

Implicit Riemannian Optimism with Applications to Min-Max Problems
von: Roux, Christophe, et al.
Veröffentlicht: (2025)

aeon: a Python toolkit for learning from time series
von: Middlehurst, Matthew, et al.
Veröffentlicht: (2024)

Generalizability of experimental studies
von: Matteucci, Federico, et al.
Veröffentlicht: (2024)

Interpretable liquid crystal phase classification via two-by-two ordinal patterns
von: Voltarelli, Leonardo G. J. M., et al.
Veröffentlicht: (2026)

Binomial flows: Denoising and flow matching for discrete ordinal data
von: Shenfeld, Yair, et al.
Veröffentlicht: (2026)

On the necessity of adaptive regularisation:Optimal anytime online learning on $\boldsymbol{\ell_p}$-balls
von: Johnson, Emmeran, et al.
Veröffentlicht: (2025)

A novel gradient-based method for decision trees optimizing arbitrary differential loss functions
von: Konstantinov, Andrei V., et al.
Veröffentlicht: (2025)

Approximating splits for decision trees quickly in sparse data streams
von: Tatti, Nikolaj
Veröffentlicht: (2026)

An interpretable neural network-based non-proportional odds model for ordinal regression
von: Okuno, Akifumi, et al.
Veröffentlicht: (2023)

Application of the representative measure approach to assess the reliability of decision trees in dealing with unseen vehicle collision data
von: Perera-Lago, Javier, et al.
Veröffentlicht: (2024)

A generalized decision tree ensemble based on the NeuralNetworks architecture: Distributed Gradient Boosting Forest (DGBF)
von: Delgado-Panadero, Ángel, et al.
Veröffentlicht: (2024)

Des-q: a quantum algorithm to provably speedup retraining of decision trees
von: Kumar, Niraj, et al.
Veröffentlicht: (2023)

A method for outlier detection based on cluster analysis and visual expert criteria
von: Lara, Juan A., et al.
Veröffentlicht: (2025)

Pr{é}diction optimale pour un mod{è}le ordinal {à} covariables fonctionnelles
von: Weinberger, Simón, et al.
Veröffentlicht: (2025)