| 多核贝叶斯优化的模型决策树算法 |
| |
| 作者姓名： | 高虹雷 门昌骞 王文剑 |
| |
| 作者单位： | 山西大学计算机与信息技术学院,山西太原 030006,山西大学计算机与信息技术学院,山西太原 030006;山西大学计算智能与中文信息处理教育部重点实验室,山西太原 030006 |
| |
| 基金项目： | 国家自然科学基金资助项目(62076154,U1805263);中央引导地方科技发展资金资助项目(YDZX20201400001224);山西省国际科技合作重点研发计划资助项目(201903D421050);山西省自然科学基金资助项目(201901D111030) |
| |
| 摘 要： | 构造模型决策树时超参数较多,参数组合复杂,利用网格搜索等调参方法将会消耗大量的时间,影响模型性能的提升。提出了一种多核贝叶斯优化的模型决策树算法,该算法为应对不同分类数据特性,采用三种高斯过程建模寻优,利用贝叶斯优化技术,选出最优的参数组合。实验结果表明,所提算法在参数寻优上要优于传统的模型决策树寻优方法,并且能够在迭代次数不多的情况下找到全局最优参数值,在一定程度上提升了算法的分类性能,节省了大量的调参时间。
|
| 关 键 词： | 模型决策树 贝叶斯优化 高斯过程 |
| 收稿时间： | 2020-06-08 |
| 修稿时间： | 2022-04-26 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《国防科技大学学报》浏览原始摘要信息 |
|
点击此处可从《国防科技大学学报》下载全文 |
|
