.png){kind=icon}
返回
Assessing machine learning model reliability using data-driven rules
.png){kind=icon}
OA
AI
DOI：10.1016/j.ress.2026.113144.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出了一种数据驱动的规则框架，用于评估机器学习（ML）预测的可靠性。
• 基于规则一致性和数据密度推导出点可靠性评分。
• 该方法与模型无关，适用于黑箱预测器。
• 临床案例研究显示，在低风险区域决策信心得到提升。
Keyword:
Machine learning models
GRACE risk score
Reliability metrics
Boolean logic
Rule-based approach
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
R
IF:
11
论文数:
987
被引数:
0
机构
引用论文
No Longer Confidential: Estimating the Confidence of Individual Regression Predictions.png)
PLoS ONEOAAI
PLoS ONEIF0
OAAI分享收藏Estimation of individual prediction reliability using the local sensitivity analysisAPPLIED INTELLIGENCE
OAAI
APPLIED INTELLIGENCEIF3.5
OAAI分享收藏A hybrid physics-informed machine learning approach for time-dependent reliability assessment of electromagnetic relays用于电磁继电器时变可靠性评估的混合物理通知机器学习方法
PREAI
分享收藏Machine learning-enhanced fragility curves: Advancing reliability and safety of structures in seismic risk assessment机器学习增强的易损性曲线：推进结构在地震风险评估中的可靠性与安全性
PREAI
分享收藏Uncertainty quantification in predicting seismic response of high-speed railway simply-supported bridge system based on bootstrap基于Bootstrap方法的高速铁路简支桥梁系统地震响应预测的不确定性量化
PREAI
分享收藏The role of AI in detecting and mitigating human errors in safety-critical industries: A review
PREAI
分享收藏
查看更多内容