本論文では、ピースワイズ線形アンサンブルの共同最適化(JOPLEN)を提案している。JOPLEN は、グローバル精緻化(GR)のピースワイズ線形拡張であり、アンサンブルの全ての定数リーフを共同かつグローバルに最適化する。
JOPLEN は、GRに比べてモデルの柔軟性を向上させ、疎性を促進するマトリックスノルムやサブスペースノルムなどの一般的なペナルティを非線形予測に適用することができる。
146の回帰および分類データセットで評価した結果、JOPLEN はGB木およびRFと組み合わせることで、両方の設定で優れたパフォーマンスを達成した。さらに、核ノルムペナルティを使用したJOPLENは、滑らかでサブスペース整列された関数を経験的に学習することができた。
最後に、Dirty LASSOを拡張することで、JOPLEN Dirty LASSOは線形およびグラディエントブースティングアプローチよりも優れた特徴の疎性/パフォーマンストレードオフを達成した。
JOPLEN は、回帰、分類、特徴選択の分野で広範囲に渡る改善をもたらすことが期待される。
Til et andet sprog
fra kildeindhold
arxiv.org
Vigtigste indsigter udtrukket fra
by Matt Raymond... kl. arxiv.org 05-02-2024
https://arxiv.org/pdf/2405.00303.pdfDybere Forespørgsler