L2P公司

L2P:估计重尾结果的算法。许多现实世界的预测任务都有具有特征性的重尾分布的结果变量(即目标或响应)。例如出售的书籍副本、艺术品的拍卖价格等。通过学习重尾分布,“大而稀有”的实例(如畅销书)将有准确的预测。现有的研究方法大多不致力于研究重尾分布;因此,他们严重低估了这种情况。为了解决这个问题,我们引入了Learning-To-Place(L2P),它利用实例之间的成对关系,从比例更高的稀有实例中学习。L2P包括两个阶段。在第一阶段,L2P学习成对偏好分类器:实例a>instanceb?。在第2阶段,L2P学习将一个新实例放入已知实例的有序排序中。然后根据变量的位置为其赋值。在实际数据上的实验表明,L2P在精度和重现重尾结果分布的能力方面优于竞争方法。此外,L2P可以通过将每个预测的实例与其可比较的邻居放在上下文中,从而提供一个可解释的模型和可解释的结果