Zobrazeno 1 - 10
of 21
pro vyhledávání: '"Zhuo, Ying Daisy"'
A common approach for feature selection is to examine the variable importance scores for a machine learning model, as a way to understand which features are the most relevant for making predictions. Given the significance of feature selection, it is
Externí odkaz:
http://arxiv.org/abs/2105.05328
Autor:
Dunn, Jack, Zhuo, Ying Daisy
To support the 2019 U.S. Supreme Court case "Flowers v. Mississippi", APM Reports collated historical court records to assess whether the State exhibited a racial bias in striking potential jurors. This analysis used backward stepwise logistic regres
Externí odkaz:
http://arxiv.org/abs/2103.11852
Existing machine learning approaches for data-driven predictive maintenance are usually black boxes that claim high predictive power yet cannot be understood by humans. This limits the ability of humans to use these models to derive insights and unde
Externí odkaz:
http://arxiv.org/abs/2102.06509
We propose an approach for learning optimal tree-based prescription policies directly from data, combining methods for counterfactual estimation from the causal inference literature with recent advances in training globally-optimal decision trees. Th
Externí odkaz:
http://arxiv.org/abs/2012.02279
Autor:
Dorken-Gallastegi, Ander, El Hechi, Majed, Amram, Maxime, Naar, Leon, Maurer, Lydia R., Gebran, Anthony, Dunn, Jack, Zhuo, Ying Daisy, Levine, Jordan, Bertsimas, Dimitris, Kaafarani, Haytham M.A.
Publikováno v:
In Surgery December 2023 174(6):1302-1308
Autor:
Zhuo, Ying Daisy
Thesis: Ph. D., Massachusetts Institute of Technology, Sloan School of Management, Operations Research Center, 2018.
This electronic version was submitted by the student author. The certified thesis is available in the Institute Archives and Spe
This electronic version was submitted by the student author. The certified thesis is available in the Institute Archives and Spe
Externí odkaz:
http://hdl.handle.net/1721.1/119284
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Estrada, CR, Nelson, CP, Wang, HH, Bertsimas, Dimitris J, Dunn, Jack William, Li, Michael, Zhuo, Ying Daisy, MIT ORC Personalized Medicine Group, Advanced Analytics Group of Pediatric Urology
Publikováno v:
PMC
Purpose:Significant debate persists regarding the appropriate workup in children with an initial urinary tract infection. Greatly preferable to all or none approaches in the current guideline would be a model to identify children at highest risk for
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=od________88::2e95b90de96677b48572d23d8ef795eb
https://hdl.handle.net/1721.1/129959
https://hdl.handle.net/1721.1/129959
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.