摘要:
为了对深度森林设计出信息量更大、计算成本更低的特征表示,本文提出了一种新的深度森林模型——高阶交互深度森林(hiDF),利用输入特征的稳定高阶交互来生成信息丰富且多样化的特征表示。具体而言,本文设计了一个广义版本的随机交叉树(gRIT)来发现稳定的高阶相互作用,并应用激活线性组合(ALC)将这些相互作用转化为新的特征表示,这些特征表示可以跨多层与输入特征交互。在级联的堆叠下,hiDF 可以有效地挖掘输入特征之间的高阶交互,并利用它们来提高预测性能。通过实验表明,hiDF 在显著减少时间和内存成本的情况下获得了极具竞争力的预测性能。 阅读全文