LightGBM 相关 AI 资讯

7月30日

09:29

官方账号arXiv cs.LG@Kindeep K. Dhatt, Tengyue Wu, Hanbang Hua, Yayun Du

该研究提出一种轻量级多模态可穿戴框架，实现单搏水平的无袖带连续血压估计。系统集成同步胸部心电图和耳夹反射光电容积描记术，每个都配备6轴惯性测量单元提供运动上下文。混合学习架构使用一维卷积神经网络从单个PPG搏动中提取64维嵌入，并与30个生理学特征融合，经LightGBM回归。在10名受试者的多阶段压力协议和PulseDB公共数据集上，模型对收缩压的平均绝对误差为4.02±0.21 mmHg，舒张压为1.79±0.05 mmHg，相比基线模型综合MAE降低28.2%。该框架支持无长时上下文的逐搏估计，适用于资源受限的可穿戴部署。

论文 Ear-PPG ECG LightGBM

推荐理由：想搞可穿戴血压监测？这篇论文用耳夹PPG加ECG，单搏就能估血压，误差才4/1.8 mmHg，比传统方法准28%，代码还开源。

原文

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。

原文

6月30日

09:57

官方账号arXiv cs.LG@Ranuga Weerasekara, Heshan Nethmina, Manuja Ranathunga, Vinma Wettasinghe, Dinithi Navodya, Subavarshana Arumugam, Nirasha Munasinghe, Nisansa de Silva, Sandareka Wickramanayake

斯里兰卡蔬菜市场因进口隔离导致供应中断时价格剧烈波动。研究者构建了结合零售价、农民价、天气变量、柴油成本和汇率的融合数据集，覆盖12种蔬菜、14个市场、2013-2019年数据。使用XGBoost和LightGBM梯度提升集成模型，经Optuna优化，比较统一模型和季节特定模型。季节特定模型中Yala季模型R2最高达0.9420，统一模型总体准确率90.84%、R2为0.9281。在完全未见过的2024年恶性通胀期，统一模型无需重新训练仍保持85.96%准确率，成功追踪价格飙升。

论文 XGBoost LightGBM Optuna

推荐理由：这篇论文用XGBoost和LightGBM预测斯里兰卡蔬菜价格，统一模型在极端通胀期也能保持近86%准确率，对农民和决策者很有参考价值。

原文

6月18日

10:57

官方账号arXiv cs.LG@V. Samuel Pérez-Díaz, Vinay L. Kashyap, Joshua D. Ingram, David Fouhey, Juan Rafael Martínez-Galarza, Pavlos Protopapas, Jeremy J. Drake, Dong-Woo Kim, Cecilia Garraffo

研究利用LightGBM梯度提升分类器，对钱德拉源目录（CSC v2.1）约25.4万个X射线源与盖亚DR3光学数据进行交叉匹配。基于贝叶斯框架NWAY构建高质量训练集，利用星等、颜色和距离等特征，识别出约11.3万个对应体，其中约7000个有多个候选。在钱德拉猎户座超深度项目（COUP）上验证，机器学习方法在不使用位置信息时重现了95%的NWAY匹配结果。研究还发现约2万个源虽在空间上匹配但为偶然重合，并发布了对应的目录。

论文 Chandra Gaia LightGBM

推荐理由：这篇论文教你用机器学习给X射线源找光学配对，比纯靠位置准多了。他们用LightGBM找到了11万多个钱德拉对应体，还公开了目录，做多波段天文的人别错过。

原文

6月3日

10:35