
Das Ziel ist es, den Faktorialraum der Kovariaten in "Pools" zu unterteilen, in denen sich das Ergebnis über die Pools hinweg unterscheidet (aber nicht innerhalb eines Pools). Dazu wird ein neuer Ansatz namens Rashomon-Partitions-Set (RPS) entwickelt, der alle Partitionen mit hoher Wahrscheinlichkeit berücksichtigt, auch wenn sie sehr unterschiedliche Erklärungen liefern.


coremsg

robuste-schätzung-der-heterogenität-in-faktoriellen-daten-unter-verwendung-von-rashomon-partitionen


Robuste Schätzung der Heterogenität in faktoriellen Daten unter Verwendung von Rashomon-Partitionen


title_rewrite


Die Erweiterung des CLOUD-Modells auf verschiedene Datentypen ermöglicht eine effektive Erkennung von kausalen Beziehungen.


erkennung-von-unentdeckten-gemeinsamen-ursachen-basierend-auf-nml-code-in-diskreten-gemischten-und-kontinuierlichen-variablen


Erkennung von unentdeckten gemeinsamen Ursachen basierend auf NML-Code in diskreten, gemischten und kontinuierlichen Variablen
