| Nalenz, Malte (2022): Characterizing model uncertainty in ensemble learning: towards more robust representation and learning of tree ensemble methods. Dissertation, LMU München: Fakultät für Mathematik, Informatik und Statistik |
Vorschau |
PDF
Nalenz_Malte.pdf 3MB |
DOI: 10.5282/edoc.30379
| Dokumententyp: | Dissertationen (Dissertation, LMU München) |
|---|---|
| Keywords: | Machine Learning, Interpretability, Ensemble Learning, Uncertainty Quantification |
| Themengebiete: | 000 Allgemeines, Informatik, Informationswissenschaft
000 Allgemeines, Informatik, Informationswissenschaft > 004 Informatik 500 Naturwissenschaften und Mathematik |
| Fakultäten: | Fakultät für Mathematik, Informatik und Statistik |
| Sprache der Hochschulschrift: | Englisch |
| Datum der mündlichen Prüfung: | 5. Mai 2022 |
| 1. Berichterstatter:in: | Augustin, Thomas |
| MD5 Prüfsumme der PDF-Datei: | 1e8e566f2d9d4894566e8d797654a2fd |
| Signatur der gedruckten Ausgabe: | 0001/UMC 29040 |
| ID Code: | 30379 |
| Eingestellt am: | 14. Sep. 2022 09:35 |
| Letzte Änderungen: | 14. Sep. 2022 09:35 |
Nur für Administratoren und Editoren: Dokument bearbeiten
