트리를 신경망으로 표현하기
원 연구는 표 자료에서 널리 쓰이는 트리 모델을 신경망으로 실현하는 접근을 제안했다. 모형이 트리라는 성질을 유지하면서 신경망 도구로 구현할 수 있도록 구성했다.
탐욕적 분할과의 차이
일반적인 트리가 한 번에 한 분할을 고르는 방식과 달리 경사 하강으로 학습한다. 연구는 이 차이가 기존 결정 트리와 어떤 유사점 및 차이점을 만드는지 조사했다.
표 자료의 평가
여러 표 자료에서 모델을 평가했다. 분할 수준과 특징 수준에서 스스로 가지치기하는 성질도 관찰하며 신경망으로 표현한 트리의 학습 행동을 분석했다.
관련 문서
소프트 결정 트리 증류 / gcForest / 의사 결정 트리 / 경사 하강법 / NODE 표 자료 모델 / 표현 학습