Počet záznamov: 1
A Graph Theoretic Approach to Assess Quality of Data for Classification Task
SYS 0307742 LBL $$$$$naa$$22$$$$$$$$450$ 005 20250326084543.6 014 $a 001445246400001 $2 WOS 014 $a 001445246400001 $2 CCC 014 $a 2-s2.0-86000543954 $2 SCOPUS 017 70
$a 10.1016/j.datak.2025.102421 $2 DOI 100 $a 20250320d2025łłłłm--y0sloc0103----ba 101 0-
$a eng $d eng 102 $a NL 200 1-
$a A Graph Theoretic Approach to Assess Quality of Data for Classification Task $f Payel Sadhukhan, Samrat Gupta 321 $a Registrovaný: Scopus 321 $a Registrovaný: Web of Science 321 $a Registrovaný: Current Contents Connect 330 $a Správnosť predpovedí poskytnutých modelom AI/ML je kľúčom k jeho prijateľnosti. Na posilnenie dôvery výskumníkov a odborníkov v model je potrebné poskytnúť intuitívne pochopenie fungovania modelu. V tejto práci sa pokúšame vysvetliť fungovanie modelu poskytnutím niektorých pohľadov na kvalitu údajov. Pritom je nevyhnutné vziať do úvahy, že odhalenie tréningových údajov používateľom nie je možné z logistických a bezpečnostných dôvodov. V tomto ohľade však môže byť užitočné zdieľanie niektorých interpretovateľných parametrov tréningových údajov a ich korelácia s výkonnosťou modelu. 463 -1
$1 001 eu_un_cat*0307704 $1 011 $a 0169-023X $1 011 $a 1872-6933 $1 200 1 $a Data & Knowledge Engineering $v Vol. 158, July (2025), pp. 1-17 $1 210 $a Amsterdam $c Elsevier Science Publishers B.V. 541 1-
$a Teoretický grafový prístup na hodnotenie kvality údajov pre klasifikačnú úlohu 610 1-
$9 eu_un_auth*h0002460 $a informácie 610 1-
$9 eu_un_auth*h0002736 $a klasifikácia 610 1-
$9 eu_un_auth*h0003127 $a logistika 610 1-
$9 eu_un_auth*h0007087 $a výkonnosť 610 1-
$9 eu_un_auth*h0007184 $a výskum 700 -1
$3 eu_un_auth*0094094 $a Sadhukhan $b Payel $4 070 $9 50 701 -1
$3 eu_un_auth*0093828 $a Gupta $b Samrat $p EUBFNHKFI $4 070 $9 50 $f 1987- $q ZU $T Katedra financií FNH 801 -0
$a SK $b BA004 $c 20250320 $g AACR2 830 $a gv-nevykazuje sa, len do personálnej bibliografie T85 $x existuji fulltexy
Počet záznamov: 1