研究人员开发了PINE，一种用于树集成模型的新型剪枝方法，旨在提高压缩率的同时保持分布内区域的预测一致性。与保留整个输入空间等价性的现有忠实剪枝方法不同，PINE专注于校准后的分布内区域，从而实现更大的压缩。在12个数据集上的实验表明，PINE可以将压缩率提高高达30%，同时保持与当前忠实方法相当的预测。 AI
排序理由 这是一篇研究论文，详细介绍了一种用于剪枝机器学习模型的新方法。[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 →
arXiv:2605.28068v1 Announce Type: new Abstract: Tree ensembles are machine learning models with strong predictive performance and interpretability, and remain widely used for tabular data. Standard pruning methods for tree ensembles typically optimize an accuracy-compression trad…