Zobrazeno 1 - 10
of 258
pro vyhledávání: '"Arancibia, Rodrigo"'
Autor:
Gallardo, Miguel, Arancibia, Rodrigo, Supuran, Claudiu T., Nocentini, Alessio, Villaman, David, Toro, Patricia M., Muñoz-Osses, Michelle, Mascayano, Carolina
Publikováno v:
In Journal of Inorganic Biochemistry November 2024 260
Most data sets comprise of measurements on continuous and categorical variables. In regression and classification Statistics literature, modeling high-dimensional mixed predictors has received limited attention. In this paper we study the general reg
Externí odkaz:
http://arxiv.org/abs/2110.13091
Autor:
García Arancibia, Rodrigo1,2 r.garcia.arancibia@gmail.com, Vicentin Masaro, Jimena2,3 mcoronel@fce.unl.edu.ar, Coronel, Mariano2 jime.v.masaro@gmail.com.ar
Publikováno v:
International Journal on Food System Dynamics. 2024, Vol. 15 Issue 2, p185-203. 19p.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
In Journal of Inorganic Biochemistry July 2022 232
Autor:
Gallardo, Miguel1 (AUTHOR), Arancibia, Rodrigo1 (AUTHOR) rarancibia@udec.cl, Jiménez, Claudio1 (AUTHOR), Wilkinson, Shane2 (AUTHOR), Toro, Patricia M.3 (AUTHOR), Roussel, Pascal4 (AUTHOR), Henry, Natacha4 (AUTHOR)
Publikováno v:
Journal of Biological Inorganic Chemistry (JBIC). Sep2023, Vol. 28 Issue 6, p549-558. 10p.
Autor:
Toro, Patricia M., Peralta, Francisco, Oyarzo, Juan, Wilkinson, Shane R., Zavala, Mónica, Arancibia, Rodrigo, Moncada-Basualto, Mauricio, Brito, Iván, Cisterna, Jonathan, Klahn, A. Hugo, López, Concepción
Publikováno v:
In Journal of Inorganic Biochemistry June 2021 219
Autor:
Toro, Patricia M., Oyarzo, Juan, Arancibia, Rodrigo, Wilkinson, Shane, Artigas, Vania, Fuentealba, Mauricio, Moncada-Basualto, Mauricio, Olea-Azar, Claudio, Vega, Andrés, Hugo Klahn, A.
Publikováno v:
In Polyhedron 1 January 2021 193
In applications involving ordinal predictors, common approaches to reduce dimensionality are either extensions of unsupervised techniques such as principal component analysis, or variable selection procedures that rely on modeling the regression func
Externí odkaz:
http://arxiv.org/abs/1511.05491