一种新的Boosting回归树方法

摘要：

梯度Boosting思想在解释Boosting算法的运行机制时基于基学习器张成的空间为连续泛函空间,但是实际上在有限样本条件下形成的基学习器空间不一定是连续的.针对这一问题,从可加模型的角度出发,基于平方损失,提出一种重抽样提升回归树的新方法.该方法是一种加权的加法模型的逐步更新算法.实验结果表明,这种方法可以显著地提升一棵回归树的效果,减小预测误差,并且能得到比L2Boost算法更低的预测误差.

关键词：boosting、regression tree、重抽样、预测误差

所属期刊栏目：25

分类号：O212.1(概率论与数理统计)

资助基金：教育部重点基地重大项目《空间统计学及其应用研究》05JJD910001

在线出版日期：2010-07-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：9-13