研究人员开发了新的策略来增强概率回归树（PRTrees），通过在树构建过程中直接处理缺失的预测值。这种方法消除了预填充的需要，并保留了模型的核心概率特性。在真实世界数据集上的评估表明，这些方法在处理大量缺失数据时，可以优于传统的回归树（如CART），同时保留了基于树模型的解释性。 AI
影响 增强了具有缺失值的树基模型在真实世界场景中的适用性。
排序理由 该集群描述了一篇详细介绍统计模型新方法的论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
Probabilistic Regression Trees (PRTrees) are a smooth and consistent alternative to classical regression trees, producing continuous predictions through probabilistic split assignments. This paper extends the PRTree framework to accommodate missing predictor values directly durin…
arXiv:2608.06195v1 Announce Type: new Abstract: Probabilistic Regression Trees (PRTrees) are a smooth and consistent alternative to classical regression trees, producing continuous predictions through probabilistic split assignments. This paper extends the PRTree framework to acc…