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

Αποθηκεύτηκε σε:

Λεπτομέρειες βιβλιογραφικής εγγραφής
Εκδόθηκε σε:	Water Resources Research vol. 61, no. 10 (Oct 1, 2025)
Κύριος συγγραφέας:	Yin, Xiaoran
Άλλοι συγγραφείς:	Shu, Longcang, Wang, Zhe, Zhou, Long, Niu, Shuyao, Ren, Huazhun, Liu, Bo, Lu, Chengpeng
Έκδοση:	John Wiley & Sons, Inc.
Θέματα:	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
Διαθέσιμο Online:	Citation/Abstract Full Text Full Text - PDF
Ετικέτες:	Προσθήκη ετικέτας Δεν υπάρχουν, Καταχωρήστε ετικέτα πρώτοι!

καταχωρήστε σχόλιο πρώτοι!