Florian Pfisterer

Παρατίθεται από

	Όλα	Από το 2019
Παραθέσεις	862	855
h-index	14	14
i10-index	20	20

260

130

195

2019202020212022202320247 40 89 207 253 254

Δημόσια πρόσβαση

Προβολή όλων

16 άρθρα

0 άρθρα

διαθέσιμα

μη διαθέσιμα

Σύμφωνα με εντολές χρηματοδότησης

Συν-συγγραφείς

Bernd BischlChair of Statistical Learning and Data Science, LMU MunichΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα stat.uni-muenchen.de
Michel LangTU Dortmund; LMU MunichΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα statistik.tu-dortmund.de
Jakob RichterTU DortmundΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα statistik.tu-dortmund.de
Janek ThomasLudwig-Maximilians-University MunichΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα stat.uni-muenchen.de
Lennart SchneiderPhD Student, LMU MunichΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα stat.uni-muenchen.de
Lars KotthoffUniversity of WyomingΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα uwyo.edu
Giuseppe CasalicchioPostdoctoral Researcher, LMU Munich, Munich Center for Machine LearningΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα campus.lmu.de
Julia MoosbauerPhD Student, Ludwig-Maximilians-University MunichΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα stat.uni-muenchen.de
Jan N. van RijnLeiden UniversityΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα liacs.leidenuniv.nl
Sebastian J. VollmerUniversity of Kaiserslautern/DFKIΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα cs.uni-kl.de
Joaquin VanschorenEindhoven University of TechnologyΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα tue.nl
David RügamerProfessor of Data Science (LMU Munich, Munich Center for Machine Learning)Η διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα stat.uni-muenchen.de
Andreas Christian MuellerMicrosoftΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα microsoft.com
Florian PargentPsychological Methods and Assessment, LMU MunichΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα psy.lmu.de
Xudong SunControl and Statistics, Institute of AI for Health, Helmholtz MunichΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα kth.se
Ashrya AgrawalUC San DiegoΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα ucsd.edu
Francois Buet-GolfouseUniversity College LondonΗ διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα ucl.ac.uk

Παρακολούθηση

Florian Pfisterer

Ludwig Maximilian University of Munich

Η διεύθυνση ηλεκτρονικού ταχυδρομείου έχει επαληθευτεί στον τομέα stat.uni-muenchen.de

Machine Learning AutoML Ethics Fairness


Τίτλος Ταξινόμηση με βάση τις αναφορές Ταξινόμηση κατά έτος Ταξινόμηση κατά τίτλο	Παρατίθεται από Παρατίθεται από	Έτος
mlr3: A modern object-oriented machine learning framework in R M Lang, M Binder, J Richter, P Schratz, F Pfisterer, S Coors, Q Au, ... Journal of Open Source Software 4 (44), 1903, 2019	314	2019
Regularized target encoding outperforms traditional methods in supervised machine learning with high cardinality features F Pargent, F Pfisterer, J Thomas, B Bischl Computational Statistics 37 (5), 2671-2692, 2022	102	2022
Yahpo gym-an efficient multi-objective multi-fidelity benchmark for hyperparameter optimization F Pfisterer, L Schneider, J Moosbauer, M Binder, B Bischl International Conference on Automated Machine Learning, 3/1-39, 2022	42	2022
Learning multiple defaults for machine learning algorithms F Pfisterer, JN van Rijn, P Probst, AC Müller, B Bischl Proceedings of the genetic and evolutionary computation conference companion …, 2021	39	2021
mlr3: A modern object-oriented machine learning framework in RJ Open Source Softw M Lang, M Binder, J Richter, P Schratz, F Pfisterer, S Coors, Q Au, ...	36	2019
mlr3pipelines-flexible machine learning pipelines in r M Binder, F Pfisterer, M Lang, L Schneider, L Kotthoff, B Bischl Journal of Machine Learning Research 22 (184), 1-7, 2021	28	2021
Multi-Objective Hyperparameter Optimization--An Overview F Karl, T Pielok, J Moosbauer, F Pfisterer, S Coors, M Binder, L Schneider, ... arXiv preprint arXiv:2206.07438, 2022	24	2022
Multi-objective hyperparameter optimization in machine learning—An overview F Karl, T Pielok, J Moosbauer, F Pfisterer, S Coors, M Binder, L Schneider, ... ACM Transactions on Evolutionary Learning and Optimization 3 (4), 1-50, 2023	21	2023
Debiasing classifiers: is reality at variance with expectation? A Agrawal, F Pfisterer, B Bischl, F Buet-Golfouse, S Sood, J Chen, S Shah, ... arXiv preprint arXiv:2011.02407, 2020	18	2020
Benchmarking time series classification--Functional data vs machine learning approaches F Pfisterer, L Beggel, X Sun, F Scheipl, B Bischl arXiv preprint arXiv:1911.07511, 2019	18	2019
Multi-objective automatic machine learning with autoxgboostmc F Pfisterer, S Coors, J Thomas, B Bischl arXiv preprint arXiv:1908.10796, 2019	18	2019
High dimensional restrictive federated model selection with multi-objective bayesian optimization over shifted distributions X Sun, A Bommert, F Pfisterer, J Rähenfürher, M Lang, B Bischl Intelligent Systems and Applications: Proceedings of the 2019 Intelligent …, 2020	15	2020
Deepregression: a flexible neural network framework for semi-structured deep distributional regression D Rügamer, C Kolb, C Fritz, F Pfisterer, P Kopper, B Bischl, R Shen, ... arXiv preprint arXiv:2104.02705, 2021	14	2021
Towards human centered AutoML F Pfisterer, J Thomas, B Bischl arXiv preprint arXiv:1911.02391, 2019	14	2019
Can fairness be automated? Guidelines and opportunities for fairness-aware AutoML H Weerts, F Pfisterer, M Feurer, K Eggensperger, E Bergman, N Awad, ... Journal of Artificial Intelligence Research 79, 639-677, 2024	13	2024
mlr3 book M Becker, M Binder, B Bischl, N Foss, L Kotthoff, M Lan, F Pfisterer, ... URl: https://mlr3book. mlr-org. com 28, 29-30, 2021	13	2021
Meta-learning for symbolic hyperparameter defaults P Gijsbers, F Pfisterer, JN van Rijn, B Bischl, J Vanschoren Proceedings of the Genetic and Evolutionary Computation Conference Companion …, 2021	12	2021
Meta learning for defaults: Symbolic defaults JN van Rijn, F Pfisterer, J Thomas, A Muller, B Bischl, J Vanschoren Neural Information Processing Workshop on Meta-Learning, 2018	12	2018
mcboost: Multi-calibration boosting for R F Pfisterer, C Kern, S Dandl, M Sun, MP Kim, B Bischl Journal of Open Source Software 6 (64), 3453, 2021	10	2021
Collecting empirical data about hyperparameters for data driven AutoML M Binder, F Pfisterer, B Bischl Democratizing Machine Learning Contributions in AutoML and Fairness, 93, 2020	10	2020

Δεν είναι δυνατή η εκτέλεση της ενέργειας από το σύστημα αυτή τη στιγμή. Προσπαθήστε ξανά αργότερα.

Άρθρα 1–20

Παραθέσεις ανά έτος

Διπλότυπες αναφορές

Συγχωνευμένες αναφορές

Προσθήκη από κοινού συγγραφέωνΣυν-συγγραφείς

Παρακολούθηση

Παρατίθεται από

Συν-συγγραφείς