跳到主要内容
检索

Ludovic Schwartz

1 篇关联报道

订阅更新
  1. arXiv

    决策树学会把难题交给黑箱:真实数据上三种训练法平均打平,合成数据才见延迟感知分裂的优势

    可部分解释模型让简单模型自己判断,把难样本交给高精度黑箱,从而在可解释性与准确率之间取舍。此前这类训练只覆盖线性模型和决策规则,决策树一直缺位。三种面向决策树的训练算法在多个真实数据集上平均差异落在误差范围内,作者用一条关于黑箱准确率域内均匀性的界解释这一现象;在故意让黑箱准确率不均匀的合成数据上,考虑延迟的CART变体才明显优于先建树再转换的做法。

已读完全部报道