两篇新研究论文提出了对XGBoost算法的增强,以改进回归和预测。第一篇论文介绍了QXGB,一个基于分位数的梯度提升框架,它使用卷积平滑损失来更好地估计条件分位数并表征极端结果,并在PM2.5预测任务中得到证明。第二篇论文通过探索替代损失函数来解决XGBoost对异常值的鲁棒性问题,提出了MM-XGBoost作为一种平衡鲁棒性和预测准确性的两步程序。 AI
影响 这些研究论文在预测建模和机器学习算法鲁棒性方面提供了进展,有可能提高各种应用的准确性和可靠性。
排序理由 两篇在arXiv上发表的学术论文,提出了XGBoost算法的新颖方法。
- arXiv
- Huber loss function
- M-estimators
- MM-XGBoost
- S-estimators
- tau-estimators
- XGBoost
- California
- PM$_{2.5}$
- QXGB
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →