一种基于树的变系数模型
机器学习
2024-01-17 v3 机器学习
摘要
本文提出一种基于树的变系数模型（VCM），其中变系数使用 Delong 等人（2023）提出的循环梯度提升机（CGBM）进行建模。利用 CGBM 对系数函数建模，可实现逐维度的早停和特征重要性评分。逐维度早停不仅降低了特定维度过拟合的风险，还揭示了不同维度间模型复杂度的差异。特征重要性评分的运用使得特征选择简单易行，模型解释也更为便捷。我们在与 Richman 和 Wüthrich（2023）所用相同的模拟与真实数据示例上对该模型进行了评估，结果表明，其在样本外损失方面产生的结果，与他们基于神经网络的变系数模型 LocalGLMnet 的结果相当。
引用
@article{arxiv.2401.05982,
title = {A tree-based varying coefficient model},
author = {Henning Zakrisson and Mathias Lindholm},
journal= {arXiv preprint arXiv:2401.05982},
year = {2024}
}
备注
23 pages, 6 figures