基于随机线性目标组合的多目标回归
机器学习
2015-05-05 v1
摘要
多目标回归关注基于同一组输入变量同时预测多个连续目标变量。它出现在多个有趣的工业和环境应用领域，如生态建模和能源预测。本文提出了一种用于多目标回归的集成方法，该方法通过现有目标的随机线性组合构建新的目标变量。我们讨论了我们方法与多标签分类算法的联系，特别是最初启发本工作的 RAEL 算法，以及一类涉及输出编码的最新多标签分类算法。在 12 个多目标数据集上的实验结果表明，该方法的表现显著优于使用梯度提升为每个目标学习单一模型的强基线方法，并与最先进的多目标随机森林方法相比具有竞争力。实验进一步表明，当目标之间存在更强的无条件依赖关系时，我们的方法提升效果更明显。
引用
@article{arxiv.1404.5065,
title = {Multi-Target Regression via Random Linear Target Combinations},
author = {Grigorios Tsoumakas and Eleftherios Spyromitros-Xioufis and Aikaterini Vrekou and Ioannis Vlahavas},
journal= {arXiv preprint arXiv:1404.5065},
year = {2015}
}