Compact multi-class boosted trees

Boosting(机器学习) 计算机科学 机器学习 人工智能 交替决策树 决策树 梯度升压 推论 树(集合论) 支持向量机 算法 数学 增量决策树 决策树学习 随机森林 数学分析
作者
Natalia Ponomareva,Thomas Colthurst,Gilbert Hendry,Salem Haykal,Soroush Radpour
标识
DOI:10.1109/bigdata.2017.8257910
摘要

Gradient boosted decision trees are a popular machine learning technique, in part because of their ability to give good accuracy with small models. We describe two extensions to the standard tree boosting algorithm designed to increase this advantage. The first improvement extends the boosting formalism from scalar-valued trees to vector-valued trees. This allows individual trees to be used as multiclass classifiers, rather than requiring one tree per class, and drastically reduces the model size required for multiclass problems. We also show that some other popular vector-valued gradient boosted trees modifications fit into this formulation and can be easily obtained in our implementation. The second extension, layer-by-layer boosting, takes smaller steps in function space, which is empirically shown to lead to a faster convergence and to a more compact ensemble. We have added both improvements to the open-source TensorFlow Boosted trees (TFBT) package, and we demonstrate their efficacy on a variety of multiclass datasets. We expect these extensions will be of particular interest to boosted tree applications that require small models, such as embedded devices, applications requiring fast inference, or applications desiring more interpretable models.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
2秒前
3秒前
小马甲应助coco采纳,获得10
3秒前
4秒前
wlq发布了新的文献求助10
5秒前
5秒前
5秒前
6秒前
Flyzhang完成签到,获得积分10
6秒前
zhou完成签到 ,获得积分10
6秒前
ding应助zhuiyu采纳,获得10
6秒前
研友_VZG7GZ应助dlwlrma采纳,获得10
6秒前
7秒前
Huang发布了新的文献求助10
7秒前
大明发布了新的文献求助10
7秒前
扣子完成签到,获得积分10
9秒前
10秒前
夏夏发布了新的文献求助10
10秒前
铛铛铛发布了新的文献求助10
11秒前
顺心醉蝶完成签到,获得积分10
11秒前
科研通AI2S应助称心的蛟凤采纳,获得10
11秒前
静然完成签到,获得积分10
12秒前
大模型应助双木夕采纳,获得10
12秒前
1111完成签到,获得积分20
14秒前
14秒前
16秒前
16秒前
17秒前
18秒前
脑洞疼应助wlq采纳,获得10
19秒前
19秒前
小蘑菇应助左友铭采纳,获得10
19秒前
SCINEXUS应助Niuma采纳,获得30
19秒前
简单又槐发布了新的文献求助10
20秒前
wanci应助静然采纳,获得10
20秒前
帅气冰珍发布了新的文献求助10
20秒前
20秒前
21秒前
大明关注了科研通微信公众号
23秒前
高分求助中
The ACS Guide to Scholarly Communication 2500
Sustainability in Tides Chemistry 2000
Pharmacogenomics: Applications to Patient Care, Third Edition 1000
Studien zur Ideengeschichte der Gesetzgebung 1000
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Threaded Harmony: A Sustainable Approach to Fashion 810
《粉体与多孔固体材料的吸附原理、方法及应用》(需要中文翻译版,化学工业出版社,陈建,周力,王奋英等译) 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3084504
求助须知:如何正确求助?哪些是违规求助? 2737517
关于积分的说明 7545573
捐赠科研通 2387170
什么是DOI,文献DOI怎么找? 1265830
科研通“疑难数据库(出版商)”最低求助积分说明 613169
版权声明 598336