当前位置：
X-MOL 学术
›
J. Comput. Graph. Stat.
›
论文详情
Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)
An interpretable neural network-based non-proportional odds model for ordinal regression
Journal of Computational and Graphical Statistics ( IF 1.4 ) Pub Date : 2024-02-22 , DOI: 10.1080/10618600.2024.2321208 Akifumi Okuno 1 , Kazuharu Harada 2
Journal of Computational and Graphical Statistics ( IF 1.4 ) Pub Date : 2024-02-22 , DOI: 10.1080/10618600.2024.2321208 Akifumi Okuno 1 , Kazuharu Harada 2
Affiliation
This study proposes an interpretable neural network-based non-proportional odds model (N3POM) for ordinal regression. N3POM is different from conventional approaches to ordinal regression with non-...
中文翻译：
用于序数回归的可解释的基于神经网络的非比例赔率模型
本研究提出了一种用于序数回归的可解释的基于神经网络的非比例优势模型（N3POM）。N3POM 不同于传统的非...序数回归方法
更新日期：2024-02-22
中文翻译：
用于序数回归的可解释的基于神经网络的非比例赔率模型
本研究提出了一种用于序数回归的可解释的基于神经网络的非比例优势模型（N3POM）。N3POM 不同于传统的非...序数回归方法
京公网安备 11010802027423号