Vytlačiť
1. A Graph Theoretic Approach to Assess Quality of Data for Classification Task
| Názov | A Graph Theoretic Approach to Assess Quality of Data for Classification Task | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| Preklad názvu | Teoretický grafový prístup na hodnotenie kvality údajov pre klasifikačnú úlohu | ||||||||
| Autorské údaje | Payel Sadhukhan, Samrat Gupta | ||||||||
| Autor | Sadhukhan Payel | ||||||||
| Spoluautori | Gupta Samrat EUBFNHKFI - Katedra financií FNH | ||||||||
| Zdrojový dokument | Data & Knowledge Engineering. Vol. 158, July (2025), pp. 1-17. - Amsterdam : Elsevier Science Publishers B.V.. ISSN 0169-023X | ||||||||
| DOI | 10.1016/j.datak.2025.102421 | ||||||||
| Poznámky | Registrovaný: Scopus. - Registrovaný: Web of Science. - Registrovaný: Current Contents Connect | ||||||||
| Druh dokumentu | rozpis článkov zo zborníkov | ||||||||
| Jazyk dokumentu | angličtina | ||||||||
| Krajina vydania | Holandsko | ||||||||
| Heslá | informácie * klasifikácia * logistika * výkonnosť * výskum | ||||||||
| Anotácia | 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. | ||||||||
| Kategória EPC | Vedecké práce v zahraničných karentovaných časopisoch | ||||||||
| Registrované v | WOS | ||||||||
| Registrované v | SCOPUS | ||||||||
| Báza dát | PUBLIKAČNÁ ČINNOSŤ | ||||||||
| Archív EPC | E25 00077-001, online | ||||||||
| |||||||||