Better trees: an empirical study on hyperparameter tuning of classification decision tree induction algorithms (2024)
- Authors:
- USP affiliated authors: CERRI, RICARDO - ICMC ; CARVALHO, ANDRÉ CARLOS PONCE DE LEON FERREIRA DE - ICMC
- Unidade: ICMC
- DOI: 10.1007/s10618-024-01002-5
- Subjects: APRENDIZADO COMPUTACIONAL; ALGORITMOS ÚTEIS E ESPECÍFICOS
- Keywords: Decision tree induction algorithms; Hyperparameter tuning; Hyperparameter profile; J48; CART
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Data Mining and Knowledge Discovery
- ISSN: 1384-5810
- Volume/Número/Paginação/Ano: v. 38, n. 3, p. 1364-1416, May 2024
- Este periódico é de assinatura
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: green
-
ABNT
MANTOVANI, Rafael Gomes et al. Better trees: an empirical study on hyperparameter tuning of classification decision tree induction algorithms. Data Mining and Knowledge Discovery, v. 38, n. 3, p. 1364-1416, 2024Tradução . . Disponível em: https://doi.org/10.1007/s10618-024-01002-5. Acesso em: 09 jan. 2026. -
APA
Mantovani, R. G., Horváth, T., Rossi, A. L. D., Cerri, R., Barbon Júnior, S., Vanschoren, J., & Carvalho, A. C. P. de L. F. de. (2024). Better trees: an empirical study on hyperparameter tuning of classification decision tree induction algorithms. Data Mining and Knowledge Discovery, 38( 3), 1364-1416. doi:10.1007/s10618-024-01002-5 -
NLM
Mantovani RG, Horváth T, Rossi ALD, Cerri R, Barbon Júnior S, Vanschoren J, Carvalho ACP de LF de. Better trees: an empirical study on hyperparameter tuning of classification decision tree induction algorithms [Internet]. Data Mining and Knowledge Discovery. 2024 ; 38( 3): 1364-1416.[citado 2026 jan. 09 ] Available from: https://doi.org/10.1007/s10618-024-01002-5 -
Vancouver
Mantovani RG, Horváth T, Rossi ALD, Cerri R, Barbon Júnior S, Vanschoren J, Carvalho ACP de LF de. Better trees: an empirical study on hyperparameter tuning of classification decision tree induction algorithms [Internet]. Data Mining and Knowledge Discovery. 2024 ; 38( 3): 1364-1416.[citado 2026 jan. 09 ] Available from: https://doi.org/10.1007/s10618-024-01002-5 - Técnicas de classificação hierárquica multirrótulo
- Redes neurais e algoritmos genéticos para problemas de classificação hierárquica multirrótulo
- Ensemble multi-label classification using closed frequent labelsets and label taxonomies
- Identification and analysis of SNP markers associated with traits of interest in rice using machine learning methodology
- Sistema de alerta de risco de incêndio no Pantanal com previsão até 3 dias futuros
- Semi-supervised predictive clustering trees for multi-label protein subcellular localization
- Ensemble methods for selecting single nucleotide polymorphisms associated to rice phenotypes
- Growing self-organizing maps for multi-label classification
- Inductive models for structured output prediction of lncRNA-disease associations
- Multi-label classification with label clusters
Informações sobre o DOI: 10.1007/s10618-024-01002-5 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
3180075.pdf |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
