矩形包围过程
机器学习
2019-03-12 v1 人工智能
机器学习
概率论
摘要
随机划分模型将多维空间划分为若干矩形区域，使得每个区域内的数据展现出某种同质性。由于其划分策略的本质，现有划分模型在试图描述稠密区域数据时，可能在稀疏区域产生许多不必要的划分。为避免此问题，我们引入一种新的简约划分模型——矩形包围过程（Rectangular Bounding Process, RBP）——通过采用包围策略将数据点包围在矩形边界框中，从而高效划分多维空间。与现有方法不同，RBP 具备若干引人注目的理论性质，使其成为超立方体上强大的非参数划分先验。特别地，RBP 是自一致的，因此可直接从有限超立方体扩展到无限（无界）空间。我们将 RBP 作为灵活的划分先验应用于回归树和关系模型。实验结果验证了 RBP 相较于最先进方法在丰富而简约的表达能力方面的优点。
引用
@article{arxiv.1903.03906,
title = {Rectangular Bounding Process},
author = {Xuhui Fan and Bin Li and Scott Anthony Sisson},
journal= {arXiv preprint arXiv:1903.03906},
year = {2019}
}