度量空间中高效随机森林的中位体分裂
统计方法学
2023-06-30 v1 机器学习
摘要
本文重新审视了针对 Fréchet 回归的随机森林算法适配，以应对度量空间中随机对象回归的挑战。认识到先前方法的局限性，我们引入了一种新的分裂规则，通过以基于中位体（medoid）的方法替代，规避了计算代价高昂的 Fréchet 均值操作。我们通过证明其与该基于 Fréchet 均值的方法具有渐近等价性，并建立了相关回归估计量的一致性，从而验证了该方法。本文为 Fréchet 回归提供了坚实的理论框架与更高效的计算方法，拓宽了其至非标准数据类型与复杂用例的应用。
引用
@article{arxiv.2306.17031,
title = {Medoid splits for efficient random forests in metric spaces},
author = {Matthieu Bulté and Helle Sørensen},
journal= {arXiv preprint arXiv:2306.17031},
year = {2023}
}