量子启发集成方法与量子启发森林回归器

我们提出了一种量子启发子空间（QIS）集成方法，用于基于特征选择生成特征集成。我们根据主成分分析和量子解释，为每个主成分赋予一个分数转移概率作为其概率权重。为了为每个基回归器生成特征子集，我们基于分数转移概率从主成分中选择一个特征子集。源自量子力学的这一思想能够同时提升集成的多样性和精度。我们将量子启发子空间方法引入随机森林，提出了量子启发森林。我们从理论上证明了该量子解释对应于集成回归的一阶近似。我们还在多种超参数设置下评估了量子启发森林与随机森林的经验性能。量子启发森林在大多数数据集上证明了默认超参数的显著鲁棒性。本工作的贡献有两点：一种受量子力学启发的新型集成回归算法，以及量子解释与机器学习算法之间的理论联系。