研究人员提出了 Partition Tree，一个用于条件密度估计的新框架，可以处理连续变量和分类变量。这种非参数方法使用数据自适应分区来建模条件分布，并通过最小化条件负对数似然来学习。一个名为 Partition Forest 的扩展通过平均条件密度来改进概率预测，在与现有方法相比时表现出有竞争力的结果。 AI
影响 引入了一种新的非参数密度估计方法，有可能改进机器学习模型的概率预测。
排序理由 发布了一篇详细介绍新框架的学术论文。[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 →
