本文介绍了一个理论框架，用于理解在使用基于平台的调优方法时随机森林集成大小选择的行为。该研究将集成大小建模为出生-死亡马尔可夫链，推导出其固定分布以分析中心点如何在稳定状态下波动。该研究表征了固定分布和方差，表明调优过程是随机的，而不是确定性的停止规则。 AI
影响 提供了对随机森林集成大小选择的理论理解，可能提高调优效率。
排序理由 该集群包含一篇在arXiv上发表的研究论文，详细介绍了机器学习算法的新理论框架。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.30837v1 Announce Type: cross Abstract: The number of trees is a central computational parameter in Random Forests: increasing it reduces finite-ensemble variability but increases training and prediction cost. Plateau-based tuning adapts this parameter through local com…
The number of trees is a central computational parameter in Random Forests: increasing it reduces finite-ensemble variability but increases training and prediction cost. Plateau-based tuning adapts this parameter through local comparisons of out-of-bag scores at a geometric tripl…