Local interpretation methods to machine learning using the domain of the feature space (2020)
- Authors:
- USP affiliated authors: CARVALHO, ANDRÉ CARLOS PONCE DE LEON FERREIRA DE - ICMC ; BOTARI, TIAGO - ICMC
- Unidade: ICMC
- DOI: 10.1007/978-3-030-43823-4_21
- Subjects: APRENDIZADO COMPUTACIONAL; COMBINATÓRIA
- Keywords: Interpretability; Local estimation
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Communications in Computer and Information Science
- ISSN: 1865-0929
- Volume/Número/Paginação/Ano: v. 1167, p. 241-252, 2020
- Conference titles: European Conference on Machine Learning and Knowledge Discovery in Databases - ECML PKDD
- Status:
- Artigo possui versão em acesso aberto em repositório (Green Open Access)
- Versão do Documento:
- Versão submetida (Pré-print)
- Acessar versão aberta:
-
ABNT
BOTARI, Tiago e IZBICKI, Rafael e CARVALHO, André Carlos Ponce de Leon Ferreira de. Local interpretation methods to machine learning using the domain of the feature space. Communications in Computer and Information Science. Cham: Springer. Disponível em: https://doi.org/10.1007/978-3-030-43823-4_21. Acesso em: 02 abr. 2026. , 2020 -
APA
Botari, T., Izbicki, R., & Carvalho, A. C. P. de L. F. de. (2020). Local interpretation methods to machine learning using the domain of the feature space. Communications in Computer and Information Science. Cham: Springer. doi:10.1007/978-3-030-43823-4_21 -
NLM
Botari T, Izbicki R, Carvalho ACP de LF de. Local interpretation methods to machine learning using the domain of the feature space [Internet]. Communications in Computer and Information Science. 2020 ; 1167 241-252.[citado 2026 abr. 02 ] Available from: https://doi.org/10.1007/978-3-030-43823-4_21 -
Vancouver
Botari T, Izbicki R, Carvalho ACP de LF de. Local interpretation methods to machine learning using the domain of the feature space [Internet]. Communications in Computer and Information Science. 2020 ; 1167 241-252.[citado 2026 abr. 02 ] Available from: https://doi.org/10.1007/978-3-030-43823-4_21 - Hydrogen evolution at the in-situ MoO3/MoS2 heterojunctions created by non-thermal O2 plasma treatment
- Similarity of precursors in solid-state synthesis as text-mined from scientific literature
- Text-mined dataset of inorganic materials synthesis recipes
- Predicting and interpreting oxide glass properties by machine learning using large datasets
- Machine learning unveils composition-property relationships in chalcogenide glasses
- Explainable machine learning algorithms for predicting glass transition temperatures
- Gabinete pequeno é destaque de pc itautec
- New data strucutre and spanning forest operators for evolutionay algorithms
- Metalearning for context-aware filtering: selection of tensor factorization algorithms
- Evolutionary tuning of SVM parameter values in multiclass problems
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
2994549.pdf |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
