基于蒙特卡洛树搜索的代价敏感特征分类
机器学习
2021-02-16 v1
摘要
我们考虑代价敏感特征分类问题，即顺序选择特征子集以在分类误差与特征代价之间取得平衡。本文将此任务建模为 MDP 问题并使用 Advantage Actor Critic 算法求解。为了进一步提升智能体性能并使策略可解释，我们采用蒙特卡洛树搜索迭代更新策略。在此过程中，我们还考虑了其在不平衡数据集上的性能以及对缺失值的敏感性。我们在多个数据集上评估了模型，发现其优于其他方法。
引用
@article{arxiv.2102.07073,
title = {Costly Features Classification using Monte Carlo Tree Search},
author = {Ziheng Chen and Jin Huang and Hongshik Ahn and Xin Ning},
journal= {arXiv preprint arXiv:2102.07073},
year = {2021}
}