Fugu-MT 論文翻訳(概要): Collapsing the Decision Tree: the Concurrent Data Predictor

論文の概要: Collapsing the Decision Tree: the Concurrent Data Predictor

arxiv url: http://arxiv.org/abs/2108.03887v1
Date: Mon, 9 Aug 2021 09:17:05 GMT
ステータス: 処理完了
システム内更新日: 2021-08-11 00:27:00.125416
Title: Collapsing the Decision Tree: the Concurrent Data Predictor
Title（参考訳）: 決定木を崩壊させる: 並行データ予測器
Authors: Cristian Alb
Abstract要約: コンカレントデータ予測器のファミリーは、決定木分類器から派生する。属性を同時に評価することにより、決定木はフラット構造に崩壊する。実験は予測精度の改善を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A family of concurrent data predictors is derived from the decision tree classifier by removing the limitation of sequentially evaluating attributes. By evaluating attributes concurrently, the decision tree collapses into a flat structure. Experiments indicate improvements of the prediction accuracy.
Abstract（参考訳）: コンカレントデータ予測器のファミリーは、属性を逐次評価する制限を取り除き、決定木分類器から導出される。属性を同時に評価することにより、決定木はフラット構造に崩壊する。実験は予測精度の改善を示す。

関連論文リスト

Learning accurate and interpretable decision trees [27.203303726977616]
我々は、同じドメインから繰り返しデータにアクセスして決定木学習アルゴリズムを設計するためのアプローチを開発する。本研究では,ベイズ決定木学習における事前パラメータのチューニングの複雑さについて検討し,その結果を決定木回帰に拡張する。また、学習した決定木の解釈可能性について検討し、決定木を用いた説明可能性と精度のトレードオフを最適化するためのデータ駆動型アプローチを提案する。
論文参考訳（メタデータ） (2024-05-24T20:10:10Z)
Building Trees for Probabilistic Prediction via Scoring Rules [0.0]
非パラメトリックな予測分布を生成するために木を修正することを研究する。木を構築するための標準的な手法は、良い予測分布にはならないかもしれない。我々は,適切なスコアリングルールに基づいて,木の分割基準を1つに変更することを提案する。
論文参考訳（メタデータ） (2024-02-16T20:04:13Z)
Learning a Decision Tree Algorithm with Transformers [75.96920867382859]
メタ学習によってトレーニングされたトランスフォーマーベースのモデルであるMetaTreeを導入し、強力な決定木を直接生成する。我々は、多くのデータセットに欲求決定木とグローバルに最適化された決定木の両方を適合させ、MetaTreeを訓練して、強力な一般化性能を実現する木のみを生成する。
論文参考訳（メタデータ） (2024-02-06T07:40:53Z)
Prediction Algorithms Achieving Bayesian Decision Theoretical Optimality Based on Decision Trees as Data Observation Processes [1.2774526936067927]
本稿では,データの背後にあるデータ観測過程を表現するために木を用いる。我々は、過度な適合に対して頑健な統計的に最適な予測を導出する。これをマルコフ連鎖モンテカルロ法により解き、ステップサイズは木の後方分布に応じて適応的に調整される。
論文参考訳（メタデータ） (2023-06-12T12:14:57Z)
Contextual Decision Trees [62.997667081978825]
学習アンサンブルの1つの浅い木を特徴量ベースで選択するための,マルチアームのコンテキスト付きバンドレコメンデーションフレームワークを提案する。トレーニングされたシステムはランダムフォレスト上で動作し、最終的な出力を提供するためのベース予測器を動的に識別する。
論文参考訳（メタデータ） (2022-07-13T17:05:08Z)
Interfering Paths in Decision Trees: A Note on Deodata Predictors [0.0]
決定木の予測精度を向上させる手法を提案する。木の枝を複数の経路で平行に評価する。この技術は、デオデータアルゴリズムの最も近い近傍変種によって生成される予測とより整合した予測を可能にする。
論文参考訳（メタデータ） (2022-02-24T12:41:20Z)
Complex Event Forecasting with Prediction Suffix Trees: Extended Technical Report [70.7321040534471]
複合イベント認識(CER)システムは、イベントのリアルタイムストリーム上のパターンを"即時"検出する能力によって、過去20年間に人気が高まっている。このような現象が実際にCERエンジンによって検出される前に、パターンがいつ発生するかを予測する方法が不足している。複雑なイベント予測の問題に対処しようとする形式的なフレームワークを提案する。
論文参考訳（メタデータ） (2021-09-01T09:52:31Z)
Visualizing hierarchies in scRNA-seq data using a density tree-biased autoencoder [50.591267188664666]
本研究では,高次元scRNA-seqデータから意味のある木構造を同定する手法を提案する。次に、低次元空間におけるデータのツリー構造を強調する木バイアスオートエンコーダDTAEを紹介する。
論文参考訳（メタデータ） (2021-02-11T08:48:48Z)
Convex Polytope Trees [57.56078843831244]
コンベックスポリトープ木(CPT)は、決定境界の解釈可能な一般化によって決定木の系統を拡張するために提案される。木構造が与えられたとき,木パラメータに対するCPTおよび拡張性のあるエンドツーエンドトレーニングアルゴリズムを効率的に構築する。
論文参考訳（メタデータ） (2020-10-21T19:38:57Z)
The Max-Cut Decision Tree: Improving on the Accuracy and Running Time of Decision Trees [0.0]
Max-Cut決定木は、分類決定木構築の標準的なベースラインモデル(正確にはCART Gini)に新しい修正を加えている。実験の結果,このノードベースの局所化PCAは分類を劇的に改善すると同時に,ベースライン決定木に比べて計算時間を著しく短縮できることがわかった。 CIFAR-100の例では、CPU時間を94%削減しつつ、49%の精度向上を実現している。
論文参考訳（メタデータ） (2020-06-25T00:47:21Z)
Stable Prediction via Leveraging Seed Variable [73.9770220107874]
従来の機械学習手法は、非因果変数によって誘導されるトレーニングデータにおいて、微妙に刺激的な相関を利用して予測する。本研究では, 条件付き独立性テストに基づくアルゴリズムを提案し, 種子変数を先行変数とする因果変数を分離し, 安定な予測に採用する。我々のアルゴリズムは、安定した予測のための最先端の手法より優れている。
論文参考訳（メタデータ） (2020-06-09T06:56:31Z)

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。