Iowa State University.;
机译:通过统计建模分析不同场地条件(DSC)诉讼理由
机译:识别不同现场条件(DSC)诉讼中的潜在法律知识
机译:通过机器学习模型对不同场地条件争议的诉讼结果预测
机译:支持向量机的文本分类统计学习学习模型
机译:在不同的测试构造条件和模型规格错误的情况下,对全局和局部拟合性能的统一评估
机译:使用机器学习方法构建超出标准线性模型的环境风险评分:应用于NHANES中的金属混合物氧化应激和心血管疾病
机译:通过统计建模和机器学习(ML)为不同的工地条件(DSC)提供建设法律支持