Direkt zur Hauptnavigation springen
Direkt zum Inhalt springen
toggle menu
info(at)avldigital.
remove-this.
de
Deutsch
English
Neuigkeiten abonnieren
Neuigkeiten melden
Login
Komplette Website durchsuchen
Recherchieren
Open
Inhaltliches Profil
Datenquellen
Erwerbungsprofil
FID-Lizenzen
Publizieren
Open
CompaRe: Open Access
CompaRe durchsuchen
Open-Access-Publikationsfonds
E-Journal-Hosting
Vernetzen
Open
ForscherInnen-Verzeichnis
Calls for Papers
Dissertationen
Veranstaltungen
Ausschreibungen
Projekte und Forschung
Institutionen
Websites
Blog
Themen
Open
Übersetzung
Literaturtheorie
Digitales Arbeiten
Neuigkeiten abonnieren
Neuigkeiten melden
Login
Sie sind hier
avldigital.de
Suchergebnisse
Filtern nach
Aktive Filter
Hu, François
Gallic, Ewen
Alle Filter entfernen
Kategorien:
Veröffentlichungen
(1)
Quelle
Verbundkataloge
(1)
Format
Online
(1)
Beteiligt
Charpentier, Arthur
(1)
Flachaire, Emmanuel
(1)
Gallic, Ewen
(1)
Hu, François
(1)
Machado, Agathe Fernandes
(1)
Medientyp
Buch (Monographie)
(1)
Sprache
Englisch
(1)
Jahr
2024
(1)
Letzte Suchanfragen
*
Komplette Website durchsuchen
Suchen
Ergebnisse für *
Zeige Ergebnisse 1 bis 1 von 1.
Sortieren der Suchergebnisse nach
Relevanz
Titel
Typ
Autor
Datum
Relevanz
Titel
Typ
Autor
Datum
From uncertainty to precision: enhancing binary classifier performance through calibration
Autor*in:
Machado, Agathe Fernandes
;
Charpentier, Arthur
;
Flachaire, Emmanuel
;
Gallic, Ewen
;
Hu, François
Erschienen:
[2024]
Verlag: [Aix-Marseille School of Economics], [Aix-en-Provence
Bibliographische Angaben
Zugang
Export
Zugang:
Verlag
(kostenfrei)
Verlag
(kostenfrei)
Kiel: ZBW - Leibniz-Informationszentrum Wirtschaft, Standort Kiel
Standort:
ZBW - Leibniz-Informationszentrum Wirtschaft, Standort Kiel
Signatur:
VS 717
Fernleihe:
keine Fernleihe
Export in Literaturverwaltung
 
RIS-Format
 
BibTeX-Format
Quelle:
Verbundkataloge
Sprache:
Englisch
Medientyp:
Buch (Monographie)
Format:
Online
Schriftenreihe:
Working papers / AMSE, Aix-Marseille School of Economics ; WP 2024, nr 04
Schlagworte:
Calibration
;
Binary classification
;
Local regressio
Umfang:
1 Online-Ressource (circa 34 Seiten), Illustrationen