Zobrazeno 1 - 8
of 8
pro vyhledávání: '"Molero Río, Cristina"'
Publikováno v:
Computers & Operations Research, 2021
Classification and Regression Trees (CARTs) are off-the-shelf techniques in modern Statistics and Machine Learning. CARTs are traditionally built by means of a greedy procedure, sequentially deciding the splitting predictor variable(s) and the associ
Externí odkaz:
http://arxiv.org/abs/2110.11952
Publikováno v:
European Journal of Operational Research, 2019
Decision trees are popular Classification and Regression tools and, when small-sized, easy to interpret. Traditionally, a greedy approach has been used to build the trees, yielding a very fast training process; however, controlling sparsity (a proxy
Externí odkaz:
http://arxiv.org/abs/2002.09191
Publikováno v:
In Computers and Operations Research April 2023 152
Publikováno v:
TOP
Classification and regression trees, as well as their variants, are off-the-shelf methods in Machine Learning. In this paper, we review recent contributions within the Continuous Optimization and the Mixed-Integer Linear Optimization paradigms to dev
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.
Classifcation and regression trees, as well as their variants, are of-the-shelf meth ods in Machine Learning. In this paper, we review recent contributions within the Continuous Optimization and the Mixed-Integer Linear Optimization paradigms to deve
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=dedup_wf_001::8edf8e2f6aee8ff1d66fc7477426c004
Autor:
Benítez-Peña, Sandra, Carrizosa, Emilio, Guerrero, Vanesa, M. Dolores Jiménez Gamero, Belen Martin-Barragan, Molero-Río, Cristina, Ramirez-Cobo, Pepa, Morales, Dolores Romero, M. Remedios Sillero-Denamiel
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_________::67969754ff8f236e81263aa4d3410de8