Unbiased Feature selection in Random Forests using Consensus Feature Clustering - Cnam - Conservatoire national des arts et métiers
Communication Dans Un Congrès Année : 2021

Unbiased Feature selection in Random Forests using Consensus Feature Clustering

Nafise Fateri Gouard
  • Fonction : Auteur
  • PersonId : 1124941
CEDRIC. Méthodes statistiques de data-mining et apprentissage
Ndèye Niang
CEDRIC. Méthodes statistiques de data-mining et apprentissage
CV
Mory Ouattara
Université Nangui Abrogoua

Domaines

Statistiques [stat]

Ndeye Niang  : Connectez-vous pour contacter le contributeur

https://cnam.hal.science/hal-03541420

Soumis le : lundi 24 janvier 2022-15:56:17

Dernière modification le : vendredi 19 juillet 2024-11:38:05

Fichier non déposé

Dates et versions

hal-03541420 , version 1 (24-01-2022)

Identifiants

  • HAL Id : hal-03541420 , version 1

Citer

Nafise Fateri Gouard, Ndèye Niang, Mory Ouattara. Unbiased Feature selection in Random Forests using Consensus Feature Clustering. Data Science, Statistics & Visualisation(DSSV) and European Conference on Data Analysis (ECDA), Jul 2021, Rotterdam, Netherlands. ⟨hal-03541420⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

CNAM CEDRIC-CNAM HESAM
75 Consultations
0 Téléchargements

Partager

More