慢生长树
机器学习
2021-07-15 v2 机器学习
计量经济学
应用统计
摘要
随机森林的性能可被单棵慢生长树（SGT）匹敌，后者使用学习率来抑制 CART 的贪心算法。SGT 利用了将 CART 视为迭代加权最小二乘过程的极端情形的观点。此外，给出了提升树（BT）与随机森林（RF）的统一视角。贪心机器学习算法的输出可通过“慢学习”或多样化得以改进。SGT 将前者应用于估计单棵深层树，而 Booging（以高学习率对随机 BT 进行装袋）将后者与加性浅层树结合使用。该树集成四元组（Booging、BT、SGT、RF）的性能在模拟与真实回归任务上进行了评估。
引用
@article{arxiv.2103.01926,
title = {Slow-Growing Trees},
author = {Philippe Goulet Coulombe},
journal= {arXiv preprint arXiv:2103.01926},
year = {2021}
}