Feature importance analysis for enhanced interpretability of spectrophotometric Machine Learning (ML) models in water quality monitoring

Laura Hernandez-Alpizar; Jose Andres Gomez-Mejia

doi:10.18845/tm.v39i5.8521

Feature importance analysis for enhanced interpretability of spectrophotometric Machine Learning (ML) models in water quality monitoring

Laura Hernandez-Alpizar
, Jose Andres Gomez-Mejia

Producción científica: Contribución a una revista › Artículo › revisión exhaustiva

Idioma original	Inglés
Páginas (desde-hasta)	276-284
Número de páginas	9
Publicación	Tecnologia En Marcha
Volumen	39
DOI	https://doi.org/10.18845/tm.v39i5.8521
Estado	Publicada - feb 2026

Acceder al documento

10.18845/tm.v39i5.8521

Otros archivos y enlaces

Ver registro en Web of Science

Desarrollo de una plataforma tecnológica escalable y modular para el registro de variables físicas y químicas asociadas a la calidad y abundancia del agua potable
Hernández Alplízar, L. (Persona académica coordinadora institucional), Carrasquilla Batista, A. (Persona académico colaboradora institucional) & Rojas Hernández, J. J. (Persona académico colaboradora institucional)
1/01/25 → 31/12/27
Proyecto: Proyectos Investigación Con fondos internos › Desarrollo Tecnológico

Citar esto

@article{d74ace142e7344ebb514e7fa20365459,

title = "Feature importance analysis for enhanced interpretability of spectrophotometric Machine Learning (ML) models in water quality monitoring",

keywords = "Random Forest, UV-Vis spectroscopy, XGBoost, Nitrate, Spectral interference, Water",

author = "Laura Hernandez-Alpizar and Gomez-Mejia, \{Jose Andres\}",

year = "2026",

month = feb,

doi = "10.18845/tm.v39i5.8521",

language = "Ingl{\'e}s",

volume = "39",

pages = "276--284",

journal = "Tecnologia En Marcha",

issn = "0379-3982",

}

TY - JOUR

T1 - Feature importance analysis for enhanced interpretability of spectrophotometric Machine Learning (ML) models in water quality monitoring

AU - Hernandez-Alpizar, Laura

AU - Gomez-Mejia, Jose Andres

PY - 2026/2

Y1 - 2026/2

KW - Random Forest

KW - UV-Vis spectroscopy

KW - XGBoost

KW - Nitrate

KW - Spectral interference

KW - Water

UR - https://www.webofscience.com/api/gateway?GWVersion=2&SrcApp=tec-sibitec&SrcAuth=WosAPI&KeyUT=WOS:001712220000022&DestLinkType=FullRecord&DestApp=WOS_CPL

U2 - 10.18845/tm.v39i5.8521

DO - 10.18845/tm.v39i5.8521

M3 - Artículo

SN - 0379-3982

VL - 39

SP - 276

EP - 284

JO - Tecnologia En Marcha

JF - Tecnologia En Marcha

ER -

Feature importance analysis for enhanced interpretability of spectrophotometric Machine Learning (ML) models in water quality monitoring

Acceder al documento

Otros archivos y enlaces

Proyectos

Desarrollo de una plataforma tecnológica escalable y modular para el registro de variables físicas y químicas asociadas a la calidad y abundancia del agua potable

Citar esto