基于任务导向预测网络的任务型学习及其在金融中的应用
机器学习
2020-06-29 v4 机器学习
摘要
现实应用常涉及标准机器学习损失未捕获但对决策至关重要的领域特定与基于任务的性能目标。将更有意义的领域与基于任务的评价标准直接整合进端到端基于梯度的训练过程的关键挑战在于，此类性能目标往往不可微，甚至可能需要额外的决策优化处理。我们提出任务导向预测网络(TOPNet)，一种端到端学习方案，通过可学习的替代损失函数自动将基于任务的评价标准整合进学习过程，直接引导模型朝向基于任务的目标。所提 TOPNet 学习方案的主要益处在于其自动整合不可微评价标准的能力，这使其特别适用于现实任务中多样化与定制化的基于任务的评价标准。我们在两个真实金融预测任务(营收意外预测与信用风险建模)上验证 TOPNet 的性能。实验结果表明，TOPNet 显著优于采用标准损失的传统建模以及采用手工启发式可微替代损失的建模。
引用
@article{arxiv.1910.09357,
title = {Task-Based Learning via Task-Oriented Prediction Network with Applications in Finance},
author = {Di Chen and Yada Zhu and Xiaodong Cui and Carla P. Gomes},
journal= {arXiv preprint arXiv:1910.09357},
year = {2020}
}