跳到主要内容
检索

# STIT镶嵌核估计器

1 篇关联报道

订阅更新
  1. arXiv

    随机划分模型集成在协变量偏移下的理论:集成规模足够大时,Mondrian核估计可达极小极大最优收敛率

    随机划分核估计的协变量偏移理论此前只覆盖最近邻、二进树和顶帽核等单一学习器,集成模型为何更稳健缺少解释。这项工作把偏移严重程度的差异度量推广到随机划分集成,并证明在多项式密度的一类严重偏移下,单个Mondrian树对应的差异度量可以为无穷,而集成规模足够大时Mondrian核估计仍能达到极小极大最优收敛率。结论还指出,偏移越严重,所需的集成规模越大。

已读完全部报道