智能AI
morning
用于回归的稳健 XGBoosting
摘要
arXiv:2608.13590v1 Announce Type: new Abstract: XGBoost is a very popular and powerful method for prediction. It iteratively fits simple decision trees to the residuals of the previous step. An effici...
and
the
XGBoost
loss
for
prediction
step
can
this
robustness
2026-08-17
1 阅读
约1分钟阅读
Iris Arag\'on Mladosich, Christophe Croux
字号:
arXiv:2608.13590v1 公告类型：新 摘要：XGBoost 是一种非常流行且强大的预测方法。它迭代地将简单的决策树与上一步的残差拟合。可以使用高效且可扩展的实施方式。 XGBoost 的标准损失函数是二次损失，但也可以使用 Huber 损失。在本文中，我们研究了 XGBoost 的鲁棒性，并表明其性能可能会受到垂直异常值和杠杆点的影响。为了解决这个问题，我们基于稳健回归的 M-、S- 和 {\tau} 估计器探索替代损失函数。我们的结果表明，称为 MM-XGBoost 的两步过程提供了鲁棒性和预测准确性之间的最佳权衡。
这篇文章对您有帮助吗？
订阅66必读
每日精选科技资讯，直达你的邮箱