双曲随机森林
原文中文,约200字,阅读约需1分钟。发表于: 。通过使用水平面将随机森林推广到双曲空间,使用大边际分类器找到候选分割,再结合子类最低共同祖先和类平衡的大边际损失方法,可以解决多类数据和不平衡实验问题,并且在标准和新的基准测试中表现优于传统随机森林算法和最近双曲分类器。
该论文提出了一种基于Poincaré ball模型的统一框架,用于构建可伸缩、简单的超几何线性分类器,并给出了凸优化的解决方案。该算法在合成数据集和真实数据集上表现准确率高。
通过使用水平面将随机森林推广到双曲空间,使用大边际分类器找到候选分割,再结合子类最低共同祖先和类平衡的大边际损失方法,可以解决多类数据和不平衡实验问题,并且在标准和新的基准测试中表现优于传统随机森林算法和最近双曲分类器。
该论文提出了一种基于Poincaré ball模型的统一框架,用于构建可伸缩、简单的超几何线性分类器,并给出了凸优化的解决方案。该算法在合成数据集和真实数据集上表现准确率高。