研究人员推出 qshap,一种用于分解梯度提升决策树中 R² 值的新方法。该工具在 R 和 Python 中可用,通过分析观测值的二次损失来量化单个特征对整体模型性能的贡献。qshap 支持 XGBoost、LightGBM 和 Catboost 等流行的 GBDT 实现,利用高效的 C++ 后端,并为遗忘树提供专门的加速。 AI
影响 提供了一种理解梯度提升树中特征重要性的新方法,可能提高模型的可解释性和调试能力。
排序理由 该集群描述了一种用于分析机器学习模型的新方法和工具,该方法和工具在学术论文中发表。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →