返回
Gradient Boosted Programming for Low Cardinality Classification
DOI:10.1145/3742796.png)
摘要
En 中文
梯度提升代表了一种构建集成模型的有效方法。我们展示了遗传编程如何利用该方法对广泛的分类任务进行优化。所得的梯度提升编程方法包含两个阶段。阶段1开发一组多样化的基学习器(程序)。阶段2应用特定于程序表示的梯度提升方法。所得集成模型以加法方式构建,并为每个程序学习类概率分布。我们在21个分类数据集上进行了广泛的基准测试研究,这些数据集包括处理类别不平衡、多类别和特征识别的要求。所提出的方法在11个低基数分类任务中表现显著更好,并且通常比随机森林和XGBoost等其他集成方法识别出更简单的模型。
Keyword:
Gradient boosting
genetic programming
classification

