您的位置是:首页 > 科学研究

讲座:香港大学Guosheng Yin教授到访我院并作学术报告

2017-09-13

98日下午,香港大学统计与精算科学系Guosheng Yin教授在我校崇德西楼702会议室为我校教师和研究生进行了一场以“The Delaunay Triangulation Learner”为主题的报告会。研究院和其他院系的部分师生出席了报告会。


在本次讲座中,Guosheng Yin教授提出了一种新的基学习器——the Delaunay triangulation learner (DTL),在高维和高度交互性背景下,这种学习器可以有效地提高标准的基于树的组合方法的性能。

首先,Guosheng Yin教授对DTL算法进行了简单的介绍。DTL算法起源于离散微分几何,使用Delaunary三角剖分作为曲面重建算法,它可以精确地刻画使用线性插值函数的曲面的性质。与其他三角形网格相比,Delaunary三角网格被认为是近似最优的方法,它通过构造一个线性插值函数去近似目标函数,具有最小的误差。因此,Guosheng Yin教授使用了这样的估计方法:首先通过在训练数据集上应用Delaunary三角剖分来构造DTL,然后采用线性插值函数去拟合模型。

                            

随后,Guosheng Yin教授介绍了两种正则函数,可以有效地惩罚DTL粗糙性、提高其在测试数据集上的可预测性。在组合方法的应用方面,他提出了bagging DTL random crystal算法。在这两种算法中,DTL被分配到特征空间的子空间中,因此可以在Delaunary三角网格中获取特征交互性。他提到,与基于树的方法相比,DTL的性能大幅提升,尤其是当特征交互性主要体现为弱部分相关性时