多视图学习相关 AI 资讯 · AI 热点

7月30日

09:16

09:16

官方账号arXiv cs.LG@James Chapman

TreeCCA是首个用梯度提升树端到端训练典型相关分析编码器的方法，通过Eckart-Young损失函数在XGBoost、LightGBM中实现自定义目标。在Signed Power基准上，TreeCCA得分为2.61，超过Deep CCA的2.43；在Hermite上为2.93，接近2.89。在稀疏基准（p=50）上，TreeCCA的Precision@S达到1.00，而PMD无信号。UCI HAR传感器融合任务中，TreeCCA以5倍低成本达到与Deep CCA相当的精度，其增益重要性可直接验证物理假设。

论文 TreeCCA XGBoost LightGBM

推荐理由：TreeCCA把XGBoost/LightGBM变成CCA编码器，效果不输深度学习，还自带特征重要性解释，适合表格数据多视图分析。