Addressing Data Imbalance in Hydrological Machine Learning: Impact of Advanced Sampling Methods on Performance and Interpretability

Uloženo v:

Podrobná bibliografie
Vydáno v:	Water Resources Research vol. 61, no. 10 (Oct 1, 2025)
Hlavní autor:	Yin, Xiaoran
Další autoři:	Shu, Longcang, Wang, Zhe, Zhou, Long, Niu, Shuyao, Ren, Huazhun, Liu, Bo, Lu, Chengpeng
Vydáno:	John Wiley & Sons, Inc.
Témata:	Hydrologic data Datasets Algorithms Sampling methods Soil properties Hydraulic conductivity Hydrology Machine learning Hypercubes Random sampling Performance evaluation Learning algorithms Contamination Accuracy Soil sciences Training Groundwater Statistical sampling Decision making National forests Hydraulics Latin hypercube sampling Environmental
On-line přístup:	Citation/Abstract Full Text Full Text - PDF
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!