.png){kind=icon}
返回
Soft Gradient Boosting With Learnable Feature Transforms for Sequential Regression
.png){kind=icon}
PRE
AI
DOI：10.1109/LSP.2025.3639345.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们提出了一种用于序列回归的软梯度提升框架，该框架在提升过程中嵌入了可学习的线性特征变换。在每次提升迭代中，我们训练一棵软决策树并共同学习线性输入特征变换$\mathbf {Q}$。该方法在高维、数据稀疏的场景中特别具有优势，因为它能在提升过程中发现最相关的输入表示。我们通过合成数据集和真实数据集的实验表明，我们的方法通过端到端优化特征选择/变换和提升，能够有效且高效地提高性能，同时避免过拟合。我们还扩展了我们的算法以支持可微的非线性变换，前提是过拟合不是问题。为了支持可重复性和未来工作，我们公开分享了我们的代码。
Keyword:
Gradient boosting
sequential regression
soft decision trees
期刊
I
IF:
3.9
论文数:
630
被引数:
0
机构
引用论文
分享收藏分享收藏XGBoost.png)
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
OAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏
查看更多内容