XGBoost 比深度学习还强？

文章预览

转自 | 机器之心 为什么基于树的机器学习方法，如 XGBoost 和随机森林在表格数据上优于深度学习？ 本文给出了这种现象背后的原因，他们选取了 45 个开放数据集，并定义了一个新基准，对基于树的模型和深度模型进行比较，总结出三点原因来解释 这种现象。   深度学习在图像、语言甚至音频等领域取得了巨大的进步。然而，在处理表格数据上，深度学习却表现一般。 由于 表格数据具有特征不均匀、样本量小、极值较大等特 点 ，因此很难找到相应的不变量。 基于树的模型不可微，不能与深度学习模块联合训练，因此创建特定于表格的深度学习架构是一个非常活跃的研究领域。许多研究都声称可以击败或媲美基于树的模型，但他们的研究遭到很多质疑。 事实上，对表格数据的学习缺乏既定基准，这样一来研究人员在评估他们的方法时就有很多 ………………………………