ترجمه فارسی مقاله درخت‌های تصمیم‌گیری کارآمد برای رگرسیون‌های تانسوری

چکیده

We proposed the tensor-input tree (TT) method for scalar-on-tensor and tensor-on-tensor regression problems. We first address scalar-on-tensor problem by proposing scalar-output regression tree models whose input variable are tensors (i.e., multi-way arrays). We devised and implemented fast randomized and deterministic algorithms for efficient fitting of scalar-on-tensor trees, making TT competitive against tensor-input GP models. Based on scalar-on-tensor tree models, we extend our method to tensor-on-tensor problems using additive tree ensemble approaches. Theoretical justification and extensive experiments on real and synthetic datasets are provided to illustrate the performance of TT.

چکیده به فارسی (ترجمه ماشینی)

ما روش Tensor-Input Tree (TT) را برای مشکلات رگرسیون مقیاس بر روی تانسور و تانسور برنز ارائه دادیم.ما ابتدا با پیشنهاد مدل های درخت رگرسیون-خروجی مقیاس ، که متغیر ورودی آنها تانسور است (یعنی آرایه های چند طرفه) به مشکل مقیاس بر روی تانسور می پردازیم.ما الگوریتم های تصادفی و قطعی سریع را برای اتصالات کارآمد درختان مقیاس بر روی تانسور ابداع و پیاده سازی کردیم ، و TT را در برابر مدل های GP ورودی تانسور رقابتی می کند.بر اساس مدل های درختی بر روی تانسور ، ما روش خود را با استفاده از رویکردهای گروههای افزودنی درخت ، به مشکلات تنشور بر روی تانسور گسترش می دهیم.توجیه نظری و آزمایش های گسترده در مورد مجموعه داده های واقعی و مصنوعی برای نشان دادن عملکرد TT ارائه شده است.