统计与信息论坛
統計與信息論罈
통계여신식론단
STATISTICS & INFORMATION TRIBUNE
2010年
5期
9-13
,共5页
boosting%regression tree%重抽样%预测误差
boosting%regression tree%重抽樣%預測誤差
boosting%regression tree%중추양%예측오차
梯度Boosting思想在解释Boosting算法的运行机制时基于基学习器张成的空间为连续泛函空间,但是实际上在有限样本条件下形成的基学习器空间不一定是连续的.针对这一问题,从可加模型的角度出发,基于平方损失,提出一种重抽样提升回归树的新方法.该方法是一种加权的加法模型的逐步更新算法.实验结果表明,这种方法可以显著地提升一棵回归树的效果,减小预测误差,并且能得到比L2Boost算法更低的预测误差.
梯度Boosting思想在解釋Boosting算法的運行機製時基于基學習器張成的空間為連續汎函空間,但是實際上在有限樣本條件下形成的基學習器空間不一定是連續的.針對這一問題,從可加模型的角度齣髮,基于平方損失,提齣一種重抽樣提升迴歸樹的新方法.該方法是一種加權的加法模型的逐步更新算法.實驗結果錶明,這種方法可以顯著地提升一棵迴歸樹的效果,減小預測誤差,併且能得到比L2Boost算法更低的預測誤差.
제도Boosting사상재해석Boosting산법적운행궤제시기우기학습기장성적공간위련속범함공간,단시실제상재유한양본조건하형성적기학습기공간불일정시련속적.침대저일문제,종가가모형적각도출발,기우평방손실,제출일충중추양제승회귀수적신방법.해방법시일충가권적가법모형적축보경신산법.실험결과표명,저충방법가이현저지제승일과회귀수적효과,감소예측오차,병차능득도비L2Boost산법경저적예측오차.
