模拟退火用于学习排序中特征选择的探索性研究
机器学习
2023-10-23 v1 人工智能
信息检索
摘要
学习排序是监督机器学习的应用域。由于特征选择 generally 被证明对提升学习模型精度有效,研究该过程在学习排序域中的应用颇具意义。本研究探讨一种称为模拟退火的流行元启发式方法用于此任务。在模拟退火通用框架下,我们探索多种邻域选择策略和温度冷却方案。我们进一步引入称为进度参数的新超参数,可有效用于遍历搜索空间。我们的算法在五个公开学习排序基准数据集上评估。为更好验证,我们还将基于模拟退火的特征选择算法与另一种有效元启发式算法即局部束搜索比较。大量实验结果展示了我们所提模型的有效性。
引用
@article{arxiv.2310.13269,
title = {An Exploratory Study on Simulated Annealing for Feature Selection in Learning-to-Rank},
author = {Mohd. Sayemul Haque and Md. Fahim and Muhammad Ibrahim},
journal= {arXiv preprint arXiv:2310.13269},
year = {2023}
}
备注
29 pages