排列决策树
摘要：使用决策树模型时存在一个严重限制，即无法捕捉数据实例之间的顺序依赖关系。本文首次提出将压缩复杂性度量（ETC）作为一个无序度量用于决策树模型中，与Shannon熵和Gini不纯度相比，基于ETC的结构不纯度能够捕捉数据的顺序依赖关系。我们引入了排列装袋的概念，利用排列决策树而无需随机特征选择和子采样。我们将提出的排列装袋决策树模型与随机森林进行了比较。我们的模型不假定数据实例是独立和同分布的，适用于需要尊重数据实例的时间顺序的场景。
作者：Harikrishnan N B and Nithin Nagaraj
论文ID：2306.02617
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-08-15