待验证50% 置信事实精确时间

Bonsai算法将传统决策树与稀疏投影相结合，能在RAM仅2KB的Arduino级微控制器上完成实时推理，并实现与随机森林相当的分类精度

1

来源数

50%

置信度

长期有效

时效性

2026/7/18

首次发现

来源

Bonsai开源项目解析：轻量级机器学习的边缘AI新思路

相关事实

待验证对树模型（如随机森林、XGBoost），SHAP 计算效率极高，并能生成特征重要性排序图、依赖图与蜂群图66% 相似待验证在TreeSHAP加速算法支持下，SHAP对随机森林、XGBoost等树模型的计算效率达到多项式级别64% 相似待验证决策树的信息增益基于信息熵衡量特征对数据集的划分能力，这一思想延伸到随机森林和梯度提升树等集成学习方法63% 相似待验证流式推理涉及投机解码和连续批处理等推理优化技术62% 相似待验证机器学习中的决策树是监督学习算法，使用信息增益或基尼系数等指标自动计算节点阈值60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/554464

API

curl https://kongchang.com/api/v1/knowledge/claims/554464

MCP

get_claim(id=554464)