研究人员开发了铰链回归树（HRT）和HRT-Boost，这是一个用于创建紧凑型表格模型的新框架。该方法将斜向分裂优化重新构建为非线性最小二乘问题，从而实现高效的节点级优化。HRT-Boost集成方法通过阶段式函数梯度下降进一步提高了性能，与现有基线相比取得了有竞争力的结果，并产生了更小的模型。 AI
影响 引入了一种构建更紧凑、更高效的表格模型的新方法，有望提高数据分析任务的性能。
排序理由 该集群包含一篇详细介绍新机器学习框架及其集成扩展的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.23422v1 Announce Type: new Abstract: Learning high-quality oblique decision trees remains a significant challenge due to the discrete and non-convex nature of split optimization. We present the Hinge Regression Tree (HRT) framework, which reframes each oblique split as…
Learning high-quality oblique decision trees remains a significant challenge due to the discrete and non-convex nature of split optimization. We present the Hinge Regression Tree (HRT) framework, which reframes each oblique split as a nonlinear least-squares problem over two line…