决策行为在交通规划中很重要。本研究使用低收入家庭数据，采用多项式逻辑模型和机器学习分类器，解释决策行为。结果显示随机森林模型准确性最佳，旅行成本增加会降低公交出行概率，旅行时间减少则增加对地铁的偏好。这项研究扩展了机器学习技术在模式选择分析中的应用，并提高了对这些模型在真实数据方面的理解。

研究提出了一个名为FetMRQC的开源机器学习框架，用于自动评估和控制胎儿脑MRI图像质量。该框架从原始解剖MRI中提取质量指标，并结合随机森林模型预测专家评分。该框架已经验证，可以泛化到未知数据，并具有可解释性。