arXiv Artificial Intelligence· Jos\'e R. Ortegaa, Jos\'e Manuel Mu\~noz Contreras, Leonardo Trujillo·· 13 小时前AI 评分31
Random Symbolic Boosting：一种符号回归的几何方法
Random Symbolic Boosting: A Geometric Approach to Symbolic Regression
AI 导读
研究者提出 Random Symbolic Boosting（RSB），通过对随机生成的语法树种群做 boosting 构建显式加性符号模型，无需代际演化。该方法在 Ordinary Least Squares 下保证回归与分类的训练误差单调下降，并引入基于预测向量与目标向量夹角的几何早停机制。
推荐理由模型分析
RSB 用随机生成语法树的 boosting 替代逐代进化来构建可解释的加性符号模型，并证明在最小二乘下训练误差单调下降，还提出基于预测与目标向量夹角的几何早停，无需按任务调参。在符号回归基准上处于精度与训练时间的 Pareto 最优点、真实数据集排名第一，200 个表格分类任务表现有竞争力。适合关注可解释建模与符号回归效率的研究者参考，但结论限于论文基准，实际部署效果待验证。
来源：arXiv Artificial Intelligence · arxiv.org