通过Bagging决策树优化信号显著性
摘要：一种用于优化信号显著性或任何其他适用于高能物理（HEP）数据分析的分类评估指标的算法被描述。该算法在训练数据的许多自举复制品上训练决策树，每棵树都需要优化信号显著性或任何其他选择的评估指标。然后，通过建立的树进行简单的多数决策对新数据进行分类。使用该算法对巴巴尔（BaBar）上的辐射轻子衰变B->gamma l nu进行研究后发现，其性能优于所有其他尝试的分类器，包括强大的方法如提升决策树（boosted decision trees）。在B->gamma e nu通道中，该算法将原始方法（用于B->gamma l nu分析）获得的预期信号显著性从2.4 sigma提高到3.0 sigma。
作者：I. Narsky
论文ID：physics/0507157
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2017-08-23