트리 앙상블의 공동 학습
조밀하게 표현한 트리 앙상블에 직통 연산자를 이용한 역전파를 적용한다. 개별 요소를 따로 학습하는 대신 모든 모델 모수를 함께 최적화하는 접근이다.
예시별 결합 가중치
원 연구는 예시별 가중치 구성을 제안해 하나의 모델에서 단순한 관계와 복잡한 관계를 모두 학습하도록 했다. 축 정렬 분할이 주는 귀납 편향과 경사 기반 학습의 유연성을 함께 활용한다.
표 자료 벤치마크
미리 정한 열아홉 분류 자료에서 기울기 부스팅 및 심층 학습 프레임워크와 비교했다. 보고한 결과는 해당 벤치마크와 평가 조건에서 관찰한 성능이다.
관련 문서
GradTree / DNDT / NODE 표 자료 모델 / XGBoost / 앙상블 학습 / 역전파