L2P公司 swMATH ID: 36456 软件作者: Xindi Wang、Onur Varol、Tina Eliasi Rad 描述: L2P:估计重尾结果的算法。许多现实世界中的预测任务都具有具有特征性重尾分布的结果变量(也称为目标或响应)。例如,出售的书籍副本、艺术品的拍卖价格等。通过学习重头戏发行版,“大而罕见”的实例(例如畅销书)将有准确的预测。大多数现有方法都不致力于学习重尾分布;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来从比例较高的罕见实例中学习。L2P由两个阶段组成。在第一阶段,L2P学习一个成对偏好分类器:实例a>实例B吗?。在第二阶段,L2P学习将新实例放入已知实例的有序排序中。然后根据其位置为新实例分配一个结果变量值。在真实数据上的实验表明,L2P在准确性和再现重尾结果分布的能力方面优于比较方法。此外,L2P可以通过将每个预测实例与其可比较的相邻实例放在上下文中来提供具有可解释结果的可解释模型 主页: http://www.wangxindi.org/L2P网站/ 源代码: https://github.com/xindi-dumbledore/L2P 依赖项: 蟒蛇 关键词: 机器学习;arXiv_cs。LG公司;arXiv_cs。DS公司;arXiv_状态ML;重尾分布;学习放置;L2P公司;监督学习 相关软件: 亚当;阿达欣;蟒蛇;护林员;小型计算机;超波段;自动装袋;pchip芯片;时空;地球;知识产权保护;e1071号;rpart公司;对 引用于: 1文件 标准条款 1出版物描述软件 年份 L2P:一种估计重尾结果的算法arXiv公司Xindi Wang、Onur Varol、Tina Eliasi Rad 2019 2位作者引用 1 努诺·莫尼兹 1 Rita P.里贝罗。 连载1篇 1 机器学习 在2个字段中引用 1 统计学(62-XX) 1 计算机科学(68至XX) 按年份列出的引文