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
爆米花应助youtaixian采纳,获得10
1秒前
1秒前
2秒前
2秒前
pluto应助sukasuka采纳,获得10
4秒前
花道完成签到,获得积分10
4秒前
现实的青亦完成签到,获得积分10
4秒前
4秒前
搜集达人应助官高一品采纳,获得10
5秒前
认真烨华发布了新的文献求助10
5秒前
hahaha发布了新的文献求助10
5秒前
poporio完成签到,获得积分10
5秒前
强doig发布了新的文献求助10
6秒前
shai_ga发布了新的文献求助10
6秒前
爱听歌雅容完成签到,获得积分10
6秒前
拼搏的明轩完成签到,获得积分10
6秒前
喝茶用勺子应助老程采纳,获得10
7秒前
Cuddle发布了新的文献求助10
7秒前
7秒前
8秒前
852应助菠萝蜜采纳,获得50
8秒前
9秒前
9秒前
Duummy完成签到,获得积分10
10秒前
Ava应助poporio采纳,获得10
10秒前
11秒前
英俊的铭应助嘿嘿采纳,获得10
13秒前
wangfang0228完成签到 ,获得积分10
13秒前
壮观问寒发布了新的文献求助10
14秒前
14秒前
慕青应助帅气的Q采纳,获得10
14秒前
shellyAPTX4869完成签到,获得积分10
15秒前
Duummy发布了新的文献求助10
15秒前
17秒前
18秒前
shai_ga发布了新的文献求助10
19秒前
19秒前
深情安青应助土豆采纳,获得10
21秒前
qiu完成签到,获得积分10
22秒前
alan完成签到 ,获得积分10
22秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
An Introduction to Geographical and Urban Economics: A Spiky World Book by Charles van Marrewijk, Harry Garretsen, and Steven Brakman 600
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 400
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 3154241
求助须知:如何正确求助?哪些是违规求助? 2805095
关于积分的说明 7863477
捐赠科研通 2463276
什么是DOI,文献DOI怎么找? 1311205
科研通“疑难数据库(出版商)”最低求助积分说明 629486
版权声明 601821