Modelos de regressão são essenciais para uma ampla gama de aplicações do mundo real. No entanto, na prática, os valores alvo nem sempre são conhecidos com precisão; em vez disso, podem ser representados como intervalos de valores aceitáveis. Esse desafio levou ao desenvolvimento de modelos de Regressão Intervalar. Neste estudo, fornecemos uma revisão abrangente dos modelos de Regressão Intervalar existentes e introduzimos modelos alternativos para análise comparativa. Experimentos foram realizados em conjuntos de dados do mundo real e sintéticos para oferecer uma perspectiva ampla sobre o desempenho do modelo. Os resultados demonstram que nenhum modelo único é universalmente ótimo, destacando a importância de selecionar o modelo mais adequado para cada cenário específico.
Nguyen et al. (2025) estudaram esta questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: