Fugu-MT 論文翻訳(概要): Feature Interactions in XGBoost

論文の概要: Feature Interactions in XGBoost

arxiv url: http://arxiv.org/abs/2007.05758v1
Date: Sat, 11 Jul 2020 12:17:40 GMT
ステータス: 処理完了
システム内更新日: 2022-11-11 13:07:48.483841
Title: Feature Interactions in XGBoost
Title（参考訳）: XGBoostの特徴的相互作用
Authors: Kshitij Goyal, Sebastijan Dumancic, Hendrik Blockeel
Abstract要約: 本稿では,XGBoostの実装を用いて,木モデルの勾配強化における制約として機能的相互作用をどのように利用することができるかを検討する。その結果,これらの制約の正確な同定は,ベースラインXGBoostモデルの性能向上に有効であることが示唆された。
参考スコア（独自算出の注目度）: 14.137360575192208
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we investigate how feature interactions can be identified to be used as constraints in the gradient boosting tree models using XGBoost's implementation. Our results show that accurate identification of these constraints can help improve the performance of baseline XGBoost model significantly. Further, the improvement in the model structure can also lead to better interpretability.
Abstract（参考訳）: 本稿では,XGBoostの実装を用いて,木モデルの勾配向上の制約として機能的相互作用をどう扱うかを検討する。これらの制約の正確な同定は,ベースラインXGBoostモデルの性能向上に有効であることを示す。さらに、モデル構造の改善は、解釈性の向上につながる可能性がある。

関連論文リスト

Improving Adaptivity via Over-Parameterization in Sequence Models [11.644182973599788]
同じ固有関数の集合であっても、これらの関数の順序は回帰結果に大きな影響を及ぼすことを示す。列モデルの領域に過パラメータ化勾配勾配を導入し、固定された固有関数集合の様々な順序の影響を捉える。
論文参考訳（メタデータ） (2024-09-02T02:11:52Z)
GrootVL: Tree Topology is All You Need in State Space Model [66.36757400689281]
GrootVLは、視覚的タスクとテキストタスクの両方に適用できる多目的マルチモーダルフレームワークである。本手法は, 画像分類, オブジェクト検出, セグメンテーションにおいて, 既存の構造化状態空間モデルよりも大幅に優れる。大規模言語モデルの微調整により,本手法は訓練コストの少ない複数のテキストタスクにおいて一貫した改善を実現する。
論文参考訳（メタデータ） (2024-06-04T15:09:29Z)
Challenging the Myth of Graph Collaborative Filtering: a Reasoned and Reproducibility-driven Analysis [50.972595036856035]
本稿では,6つの人気グラフと最近のグラフ推薦モデルの結果を再現するコードを提案する。これらのグラフモデルと従来の協調フィルタリングモデルを比較する。ユーザの近所からの情報フローを調べることにより,データセット構造における内在的特徴にどのようなモデルが影響するかを同定することを目的とする。
論文参考訳（メタデータ） (2023-08-01T09:31:44Z)
Tell Model Where to Attend: Improving Interpretability of Aspect-Based Sentiment Classification via Small Explanation Annotations [23.05672636220897]
我々はtextbfInterpretation-textbfEnhanced textbfGradient-based framework for textbfABSC を提案する。我々のモデルは、既存のABSCメソッドや他のタスクに統合できるように、モデル非依存およびタスク非依存である。
論文参考訳（メタデータ） (2023-02-21T06:55:08Z)
Multi-Target XGBoostLSS Regression [91.3755431537592]
本稿では,複数の目標とその依存関係を確率論的回帰設定でモデル化するXGBoostLSSの拡張について述べる。提案手法は,既存のGBMよりも実行時の方が優れており,精度も良好に比較できる。
論文参考訳（メタデータ） (2022-10-13T08:26:14Z)
Ordinal Graph Gamma Belief Network for Social Recommender Systems [54.9487910312535]
我々は,階層型ベイズモデルであるオーディナルグラフファクター解析(OGFA)を開発し,ユーザ・イテムとユーザ・ユーザインタラクションを共同でモデル化する。 OGFAは、優れたレコメンデーションパフォーマンスを達成するだけでなく、代表ユーザの好みに応じた解釈可能な潜在因子も抽出する。我々はOGFAを,マルチ確率層深層確率モデルであるオーディナルグラフガンマ信念ネットワークに拡張する。
論文参考訳（メタデータ） (2022-09-12T09:19:22Z)
SHAP for additively modeled features in a boosted trees model [0.0]
これらの特徴を加法的にモデル化した樹木モデルの場合、SHAP依存プロットはその部分依存プロットと垂直シフトに対応することを示す。
論文参考訳（メタデータ） (2022-07-29T05:56:00Z)
A Simple and Fast Baseline for Tuning Large XGBoost Models [8.203493207581937]
均一なサブサンプリングによって,大規模なXGBoostモデルのチューニングを高速化する,シンプルかつ高速なベースラインが得られることを示す。このベースラインが15～70mathrmGBの大規模データセットに対して有効であることを示す。
論文参考訳（メタデータ） (2021-11-12T20:17:50Z)
Accelerated Componentwise Gradient Boosting using Efficient Data Representation and Momentum-based Optimization [1.3159777131162964]
コンポーネントワイズ強化(CWB)は、解釈可能性を保証するためのベースラーナーとして追加モデルを構築する。 CWBの欠点の1つは、メモリと実行時の計算複雑性である。本稿では,CWBの特性を損なうことなく,これらの問題を克服する2つの手法を提案する。
論文参考訳（メタデータ） (2021-10-07T14:49:52Z)
Improving Aspect-based Sentiment Analysis with Gated Graph Convolutional Networks and Syntax-based Regulation [89.38054401427173]
Aspect-based Sentiment Analysis (ABSA) は、特定の側面に向けて文の感情極性を予測する。依存関係ツリーは、ABSAの最先端のパフォーマンスを生成するために、ディープラーニングモデルに統合することができる。本稿では,この2つの課題を克服するために,グラフに基づく新しいディープラーニングモデルを提案する。
論文参考訳（メタデータ） (2020-10-26T07:36:24Z)
Robust Optimization as Data Augmentation for Large-scale Graphs [117.2376815614148]
学習中に勾配に基づく逆方向摂動を伴うノード特徴を反復的に拡張するFLAG(Free Large-scale Adversarial Augmentation on Graphs)を提案する。 FLAGはグラフデータに対する汎用的なアプローチであり、ノード分類、リンク予測、グラフ分類タスクで普遍的に機能する。
論文参考訳（メタデータ） (2020-10-19T21:51:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。