arXiv · ML· Basil Kuok, Yi Zhou, Yao Xuan, Shuping Li, Ke-Wei Huang·· 10 天前AI 评分22
CRAFT-GBM 提出基于 LightGBM 的自适应特征选择方法
CRAFT-GBM: Selecting Best Features for Gradient-Boosted Machine Learning
AI 导读
针对梯度提升树特征子采样效率问题,研究团队提出 CRAFT-GBM,将其原生扩展至 LightGBM。该方法利用训练历史中的分裂增益证据,自适应确定每轮搜索的特征数量与集合。 在 14 个数据集家族的评估中,CRAFT-GBM 全内生模式将单次拟合训练时间减少 39.74%,几何平均测试损失降低 1.04%。该扩展保留了原生特征打包表示,并提供了统计保证。
来源:arXiv · ML · arxiv.org