Meher Bhaskar Madiraju

新的SCSB框架提高了集成学习的效率和准确性

研究人员开发了Simplex-Constrained Sparse Bagging（SCSB），这是一个旨在提高Random Forests和Bagged Neural Networks等集成学习模型效率和准确性的新框架。SCSB通过优化以减少袋外损失（Out-Of-Bag loss）来解决传统集成中投票权均匀的问题，从而实现更好的概率校准和模型压缩。该方法可实现高达96%的压缩率，从而在不牺牲泛化准确性的情况下提高推理速度。