Saltar para:
Logótipo
Você está em: Início > Publicações > Visualização > SMOGN: a Pre-processing Approach for Imbalanced Regression

SMOGN: a Pre-processing Approach for Imbalanced Regression

Título
SMOGN: a Pre-processing Approach for Imbalanced Regression
Tipo
Artigo em Livro de Atas de Conferência Internacional
Ano
2017
Autores
Branco, P
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Ver página do Authenticus Sem ORCID
Torgo, L
(Autor)
FCUP
Ver página pessoal Sem permissões para visualizar e-mail institucional Pesquisar Publicações do Participante Ver página do Authenticus Sem ORCID
Rita Ribeiro
(Autor)
FCUP
Ver página pessoal Sem permissões para visualizar e-mail institucional Pesquisar Publicações do Participante Ver página do Authenticus Ver página ORCID
Outras Informações
ID Authenticus: P-00N-688
Idioma: Inglês
Tipo (Avaliação Docente): Científica
Documentos
Não foi encontrado nenhum documento associado à publicação.
Publicações Relacionadas

Dos mesmos autores

Resampling with neighbourhood bias on imbalanced domains (2018)
Artigo em Revista Científica Internacional
Branco, P; Torgo, L; Rita Ribeiro
Pre-processing approaches for imbalanced distributions in regression (2019)
Artigo em Revista Científica Internacional
Branco, P; Torgo, L; Rita Ribeiro
A Survey of Predictive Modeling on Im balanced Domains (2016)
Artigo em Revista Científica Internacional
Branco, P; Torgo, L; Rita Ribeiro
SMOTE for regression (2013)
Artigo em Livro de Atas de Conferência Internacional
Torgo, L; Ribeiro, RP; Pfahringer, B; Branco, P
REBAGG: REsampled BAGGing for Imbalanced Regression (2018)
Artigo em Livro de Atas de Conferência Internacional
Branco, P; Torgo, L; Rita Ribeiro

Ver todas (8)

Recomendar Página Voltar ao Topo
Copyright 1996-2024 © Faculdade de Arquitectura da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z  I Livro de Visitas
Página gerada em: 2024-10-06 às 09:21:08 | Política de Utilização Aceitável | Política de Proteção de Dados Pessoais | Denúncias