|
Eine Ebene nach oben |
Gruppiert nach:
Dokumententyp
| Veröffentlichungsdatum
Springe zu: Konferenzbeitrag
Anzahl der Publikationen: 3
Konferenzbeitrag
Tschernutter, Daniel; Hatt, Tobias und Feuerriegel, Stefan 
ORCID: https://orcid.org/0000-0001-7856-8729
(2022):
Interpretable Off-Policy Learning via Hyperbox Search.
ICML 2022, Baltimore, 17.07.2022-23.07.2022.
arXiv.
ORCID: https://orcid.org/0000-0001-7856-8729
(2022):
Interpretable Off-Policy Learning via Hyperbox Search.
ICML 2022, Baltimore, 17.07.2022-23.07.2022.
arXiv.
Tschernutter, Daniel und Feuerriegel, Stefan
(2021):
A Latent Customer Flow Model for Interpretable Predictions of Check-In Counts.
2021 IEEE International Conference on Big Data (Big Data), Orlando, FL, USA, 15-18 December 2021.
In: 2021 IEEE International Conference on Big Data (Big Data),
New York: IEEE. S. 529-539
Hatt, Tobias; Tschernutter, Daniel und Feuerriegel, Stefan ORCID: https://orcid.org/0000-0001-7856-8729
(2021):
Generalizing Off-Policy Learning under Sample Selection Bias.
UAI 2022, Eindhoven, 01.08.2022-05.08.2022.
arXiv.
ORCID: https://orcid.org/0000-0001-7856-8729
(2021):
Generalizing Off-Policy Learning under Sample Selection Bias.
UAI 2022, Eindhoven, 01.08.2022-05.08.2022.
arXiv.