mmit

我们展示了 Rigaill 等人的基于边际的区间回归算法的一个关键限制。 (2013) (L1-Linear)：仅限于建模线性模式。为此，我们创建了三个模拟数据集，每个数据集包含 200 个示例和 20 个特征。每个数据集的生成方式使得目标间隔遵循特定模式 f : R → R 根据单个特征，我们称之为信号特征。区间的宽度和 f 的真实值附近的一个小的随机偏移是随机确定的。补充材料中提供了数据生成协议的详细信息。在每个数据集上训练 MMIT（线性铰链损失）和 L1-Linear，使用交叉验证来选择超参数值。结果数据集和每个算法的预测如图 4 所示。正如预期的那样，L1-Linear 无法拟合非线性模式，但实现了对线性模式的近乎完美拟合。相比之下，MMIT 学习真实函数的逐步逼近，这是由于每个叶子预测一个常数值而产生的。注意两种算法模型的波动，这是由于使用了不相关的特征造成的。