Copertina

Extended Isolation Forest with feature sensitivities

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autore principale:	Donhauzer, Illia
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Methodology Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

On feature selection in double-imbalanced data settings: a Random Forest approach
di: Demaria, Fabio
Pubblicazione: (2025)

A cost-sensitive constrained Lasso
di: Blanquero, Rafael, et al.
Pubblicazione: (2024)

Ordinal Mixed-Effects Random Forest
di: Bergonzoli, Giulia, et al.
Pubblicazione: (2024)

Interpretable Network-assisted Random Forest+
di: Tang, Tiffany M., et al.
Pubblicazione: (2025)

Global Censored Quantile Random Forest
di: Zhou, Siyu, et al.
Pubblicazione: (2024)

Asymptotics of multifractal products of spherical random fields
di: Donhauzer, Illia
Pubblicazione: (2026)

A new paradigm for global sensitivity analysis
di: Mazo, Gildas
Pubblicazione: (2024)

MMD-based Variable Importance for Distributional Random Forest
di: Bénard, Clément, et al.
Pubblicazione: (2023)

Horseshoe Forests for High-Dimensional Causal Survival Analysis
di: Jacobs, Tijn, et al.
Pubblicazione: (2025)

Generalized Random Forests using Fixed-Point Trees
di: Fleischer, David, et al.
Pubblicazione: (2023)

Sparse minimum Redundancy Maximum Relevance for feature selection
di: Naylor, Peter, et al.
Pubblicazione: (2025)

Decorrelated feature importance from local sample weighting
di: Fröhlich, Benedikt, et al.
Pubblicazione: (2025)

Neural interval-censored survival regression with feature selection
di: Meixide, Carlos García, et al.
Pubblicazione: (2022)

On Quantile Regression Forests for Modelling Mixed-Frequency and Longitudinal Data
di: Andreani, Mila
Pubblicazione: (2025)

missForestPredict -- Missing data imputation for prediction settings
di: Albu, Elena, et al.
Pubblicazione: (2024)

Neyman-Pearson Multi-class Classification via Cost-sensitive Learning
di: Tian, Ye, et al.
Pubblicazione: (2021)

What Makes Forest-Based Heterogeneous Treatment Effect Estimators Work?
di: Dandl, Susanne, et al.
Pubblicazione: (2022)

Forests for Differences: Robust Causal Inference Beyond Parametric DiD
di: Souto, Hugo Gobato, et al.
Pubblicazione: (2025)

Extending Prediction-Powered Inference through Conformal Prediction
di: Csillag, Daniel, et al.
Pubblicazione: (2025)

Label-shift robust federated feature screening for high-dimensional classification
di: Qin, Qi, et al.
Pubblicazione: (2025)

Provable Recovery of Locally Important Signed Features and Interactions from Random Forest
di: Vuk, Kata, et al.
Pubblicazione: (2025)

Distributional Random Forests for Complex Survey Designs on Reproducing Kernel Hilbert Spaces
di: Zou, Yating, et al.
Pubblicazione: (2025)

Efficient nonparametric statistical inference on population feature importance using Shapley values
di: Williamson, Brian D., et al.
Pubblicazione: (2020)

The diameter of a stochastic matrix: A new measure for sensitivity analysis in Bayesian networks
di: Leonelli, Manuele, et al.
Pubblicazione: (2024)

Performance Analysis of Support Vector Machine (SVM) on Challenging Datasets for Forest Fire Detection
di: Kar, Ankan, et al.
Pubblicazione: (2024)

Guiding adaptive shrinkage by co-data to improve regression-based prediction and feature selection
di: van de Wiel, Mark A., et al.
Pubblicazione: (2024)

Biarchetype analysis: simultaneous learning of observations and features based on extremes
di: Alcacer, Aleix, et al.
Pubblicazione: (2023)

Maximum Risk Minimization with Random Forests
di: Freni, Francesco, et al.
Pubblicazione: (2025)

Nonparametric IPSS: Fast, flexible feature selection with false discovery control
di: Melikechi, Omar, et al.
Pubblicazione: (2024)

Adaptive Split Balancing for Optimal Random Forest
di: Zhang, Yuqian, et al.
Pubblicazione: (2024)

Automatic Doubly Robust Forests
di: Chen, Zhaomeng, et al.
Pubblicazione: (2024)

Variance-based sensitivity analysis in the presence of correlated input variables
di: Most, Thomas
Pubblicazione: (2024)

Model-based causal feature selection for general response types
di: Kook, Lucas, et al.
Pubblicazione: (2023)

Integrating Random Forests and Generalized Linear Models for Improved Accuracy and Interpretability
di: Agarwal, Abhineet, et al.
Pubblicazione: (2023)

Transfer Learning with Distance Covariance for Random Forest: Error Bounds and an EHR Application
di: Li, Chenze, et al.
Pubblicazione: (2025)

Mechanisms for Data Sharing in Collaborative Causal Inference (Extended Version)
di: Filter, Björn, et al.
Pubblicazione: (2024)

A feature selection method based on Shapley values robust to concept shift in regression
di: Sebastián, Carlos, et al.
Pubblicazione: (2023)

Causal-Policy Forest for End-to-End Policy Learning
di: Kato, Masahiro
Pubblicazione: (2025)

Discriminative classification with generative features: bridging Naive Bayes and logistic regression
di: Terner, Zachary, et al.
Pubblicazione: (2025)

A Large-Scale Empirical Comparison of Meta-Learners and Causal Forests for Heterogeneous Treatment Effect Estimation in Marketing Uplift Modeling
di: Singh, Aman
Pubblicazione: (2026)