LoBoost

LoBoost方法增强了梯度提升树的不确定性量化

研究人员推出了一种新颖的局部一致性预测方法LoBoost，旨在增强梯度提升决策树的不确定性量化。该方法利用拟合集成模型的内部结构，特别是其叶子分区，来局部估计残差分位数。与标准一致性预测不同，LoBoost无需额外的数据分割、重新训练或辅助模型即可更好地适应异方差性。实验表明，LoBoost在各种局部校准设置下都能实现具有竞争力的区间质量和稳定的行为。