• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International symposium on intelligent data analysis >Online Non-linear Gradient Boosting in Multi-latent Spaces
【24h】

Online Non-linear Gradient Boosting in Multi-latent Spaces

机译：多潜空间中的在线非线性梯度提升

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Gradient Boosting is a popular ensemble method that combines linearly diverse and weak hypotheses to build a strong classifier. In this work, we propose a new Online Non-Linear gradient Boosting (ONLB) algorithm where we suggest to jointly learn different combinations of the same set of weak classifiers in order to learn the idiosyncrasies of the target concept. To expand the expressiveness of the final model, our method leverages the non linear complementarity of these combinations. We perform an experimental study showing that ONLB (ⅰ) outperforms most recent online boosting methods in both terms of convergence rate and accuracy and (ⅱ) learns diverse and useful new latent spaces.
机译：梯度提升是一种流行的集成方法，它结合了线性变化和弱假设，从而建立了一个强大的分类器。在这项工作中，我们提出了一种新的在线非线性梯度提升（ONLB）算法，在该算法中，我们建议共同学习同一组弱分类器的不同组合，以学习目标概念的特质。为了扩展最终模型的表现力，我们的方法利用了这些组合的非线性互补性。我们进行了一项实验研究，显示ONLB（ⅰ）在收敛速度和准确性方面均胜过最新的在线增强方法，并且（ⅱ）学习了多种有用的新潜在空间。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号