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

Zapisane w:

Opis bibliograficzny
Wydane w:	Water Resources Research vol. 61, no. 10 (Oct 1, 2025)
1. autor:	Yin, Xiaoran
Kolejni autorzy:	Shu, Longcang, Wang, Zhe, Zhou, Long, Niu, Shuyao, Ren, Huazhun, Liu, Bo, Lu, Chengpeng
Wydane:	John Wiley & Sons, Inc.
Hasła przedmiotowe:	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
Dostęp online:	Citation/Abstract Full Text Full Text - PDF
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!

Napisz pierwszy komentarz!