概念Gradient Boosting / GBDT
梯度提升模型
一种集成学习方法,通过逐步添加弱学习器(通常是决策树)来最小化损失函数,常见实现包括XGBoost、LightGBM和CatBoost
时间轴 (近 90 天)
11月10日
Timestral在修正后的回测中仍优于原梯度提升模型:MASE 0.66对0.71,但提升幅度远小于最初报告的0.49。
待验证50%
11月5日
在时间分割测试集(来自655项试验的878个对比)上,基于注册数据训练的梯度提升模拟器消除了简单基线约五分之一的误差。
待验证50%
11月5日
梯度提升模型的干预技能值为-0.12(95% CI -0.21 至 -0.05),表明隐藏干预信息后模型表现反而更好。
待验证50%
11月5日
研究测试了替代特征化、分层、时间切割和同分子检索等设置,没有任何一种设置能得到干预技能高于零的置信区间。
待验证50%