在线boosting算法实现多准确预测，残差正交于弱类
Aaroth · x · 2026-08-14
Aaroth 描述了其在线 boosting 算法如何实现多准确预测，即残差与弱类正交。如果误差较高，则通过自身残差误差进行事后重新加权，得到一个平滑分布，在该分布上任何弱学习器都没有显著优势。
所属事件:在线 Boosting 新算法免集成，提速约 50 倍(3 条相关)→
「研究」频道最新
- Agent 记忆有了首个排行榜,MemoraX 夺商业产品第一 — rohanpaul_ai · 2026-08-14
- Anthropic前沿红队报告：多智能体系统存在协作与信息信任问题 — dhadfieldmenell · 2026-08-14
- 微软研究员：Normuon 行归一化并入行选择，收敛小幅改善 — JohnCLangford · 2026-08-14
- 微软研究员：行采样比例与学习率联调，按 1/√f 放大改善收敛 — JohnCLangford · 2026-08-14
- 微软开源Dion优化器：集成Gram-NS、行选择等多项改进，训练提速6倍 — JohnCLangford · 2026-08-14
- Claude 教 Gemma 玩俄罗斯方块：2.5天从0分到16分，暴露Agent三大问题 — TheZachMueller · 2026-08-14