实体
Remy Chapelle
Remy Chapelle
PulseAugur coverage of Remy Chapelle — every cluster mentioning Remy Chapelle across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新方法使用并行梯度提升进行非参数分布估计
研究人员开发了一种新颖的非参数自回归方法来估计概率分布，该方法对于高维数据特别有效。该方法利用条件分布估计器，并通过自回归分解联合分布，其收敛速度取决于分解中最具挑战性的因子。当使用并行梯度提升实现时，该方法在模拟和真实数据集上表现出竞争力，支持其在灵活联合分布估计方面的实用性。
-
新的并行梯度提升方法加速条件分布估计
研究人员开发了一种名为并行梯度提升的新型梯度提升算法，旨在高效估计条件分布。该方法在每次迭代中训练一个基础模型，无论目标数量多少，都能带来显著的性能提升。该算法证明了其收敛性，并且在多分位数回归的背景下，其预测质量与XGBoost等最先进的库相当，但速度却快了几个数量级。实证评估表明，它在具有混合或缺失协变量的高维场景中优于其他估计器。