AITOP

随机森林

共 5 条相关 AI 资讯
8月12日
18:15
18:15官方账号arXiv cs.LG@Robert Bitterling, Christian Nettersheim, Jörn Hees, Michael Rademacher
针对LoRa智能城市部署，研究者用真实城市数据系统分析机器学习路径损耗预测精度随训练集规模的变化。随机森林结合LiDAR地形特征，k近邻使用坐标数据，两者在随机池化分割下均优于经验模型和专用LPWAN模型。最大训练规模时，ML模型RMSE低于6.5 dB，最佳基线为9.7 dB。留一网关验证显示，随机森林对未见网关有位置依赖的迁移，坐标k近邻在网关位置未见时大幅退化。
论文LoRa路径损耗预测随机森林
推荐理由：想搞LoRa网络规划？这篇用真实数据告诉你ML模型比传统模型准多少，还分析了换网关会翻车的情况，挺实在的。
原文
7月28日
10:20
10:20官方账号arXiv cs.LG@Silas Koemen
该研究在诚实森林框架内系统实现并比较了多种分布分裂准则，包括各向同性随机傅里叶特征最大平均差异（MMD）、各向异性对角带宽变体、自适应逐分裂频率选择变体以及切片Wasserstein准则，并测试了后验核均值收缩。通过配对种子比较，在合成分位数机制、真实单变量基准、加州住房子样本曲线以及多变量合成和真实响应上评估各扩展的性能。三个主要发现：各向同性MMD已接近最优，基于均值的CART分裂在标量表格回归中仍是稳健默认，多变量响应是分布分裂的明确优势场景，其中能量得分能区分各准则而边际CRPS不能。所有准则和森林实现已开源在drforest库中。
论文随机森林MMDCART
推荐理由：这篇论文系统比较了随机森林的各种分布分裂方法，发现各向同性MMD就够了，多变量响应才是分布分裂的用武之地，干货多结论扎实。
原文
6月15日
11:12
5月22日
11:31
11:31官方账号arXiv cs.LG@Christian Janos Lebeda, David Erb, Tudor Cebere, Aurélien Bellet
精选
Lumberjack 是一种新的差分隐私随机森林算法，通过构建大型随机决策树并应用激进的隐私保护剪枝，显著提升了模型效用。其核心创新是一种针对层次数据的重击检测算法，误差随树高对数增长，支持使用更深的树。在基准数据集上的实验表明，Lumberjack 在隐私预算实用时大幅优于现有方法，建立了新的最优水平。这项工作表明精心设计的差分隐私随机森林可以缩小效用差距，为隐私保护机器学习提供了有前景的新方向。
论文差分隐私随机森林重击检测
推荐理由：处理敏感表格数据的团队终于有了实用的差分隐私方案——Lumberjack 在隐私预算下显著提升随机森林效用，做隐私保护机器学习的开发者可以直接参考其方法。
原文
5月15日
10:11
10:11官方一手arXiv: OpenAI@Matteo Cobelli, Stefano Sanvito
精选
Autoresearch 是一种自动化科学任务的范式，AI 智能体自主提出、实现、评估和优化解决方案。本文提出 Automat 框架，使用基于 GPT-5.5 的 Codex 编码智能体，为化学化合物生成仅基于化学式的成分描述符，并通过随机森林工作流评估。在预测无机材料带隙和铁磁化合物居里温度两个任务中，Automat 超越了分数成分、Magpie 等基线，生成的描述符具有化学可解释性。该研究证明 autoresearch 智能体无需手动特征工程即可生成任务专用描述符，但也暴露了描述符冗余、贪婪特征扩展敏感性和需要复杂度控制等局限性。
论文Autoresearch材料科学描述符设计
推荐理由：材料科学家和 AI for Science 研究者终于有了一个能自动设计描述符的框架——Automat 用 GPT 智能体替代了繁琐的手动特征工程，在带隙和居里温度预测上直接超越经典 Magpie 基线，做材料信息学的团队值得一试。
原文