文章预览
来源:专知 本文 约1000字 ,建议阅读 5 分钟 本论文探讨了机器学习中的集成方法,这是一种通过联合训练较简单的基模型来构建预测模型的技术。 本论文探讨了机器学习中的集成方法,这是一种通过联合训练较简单的基模型来构建预测模型的技术。本文考察了三种类型的集成方法:加性模型、树集成模型和专家混合模型。每种集成方法都有特定的结构:加性模型可以涉及具有单变量或双变量的基学习器,树集成模型使用决策树作为基学习器,而专家混合模型通常采用神经网络。本文的重点是考虑这些方法中的各种稀疏性和结构约束,并开发基于优化的方法,以提高训练效率、推理能力和/或可解释性。 在第一部分中,我们研究了在组件选择约束和额外的结构约束(例如层级交互)下的加性模型与交互 。我们提出了不同的基于优化的公式,并提出
………………………………