Interactive Tree-Structured Regression via Principal Hessian Directions
基于主 Hessian 方向的交互式树结构回归AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究通用树结构回归与几何降维，未明确涉及宏观预测或其他所列细分。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
基于主 Hessian 方向的交互式树结构回归
- 研究问题
- 能否利用回归曲面的几何弯曲信息递归划分自变量空间，使各区域适合线性回归，并形成可交互探索的树结构？
- 方法与思路
- 作者用主 Hessian 方向寻找曲面弯曲最明显的方向，据此递归二分数据，直到各区域的弯曲不再显著。
- 材料陈述的贡献
- 摘要称，论文提出利用几何信息的树回归程序，报告模拟与实证结果，并与 CART、SUPPORT 和 MARS 进行比较。
- 阅读关注点
- 核对方向估计、切分位置、弯曲显著性及停止规则，检查交互操作如何影响结果，以及方法比较是否采用一致评价标准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未说明方向估计条件、停止规则或比较数值，不能据此声称普遍提高预测表现。
原文摘要
An interactive approach to tree-structured regression is introduced. Unlike other procedures driven by cost optimization, this approach focuses on the exploration of geometric information in the data. The procedure begins with finding a direction along which the regression surface bends the most. This direction is used for splitting the data into two regions. Within each region, another direction is found, and the partition is made in the same manner. The process continues recursively until the entire regressor domain is decomposed into regions wherein the surface no longer bends significantly and linear regression fit becomes appropriate. For implementing the direction search, the method of principal Hessian directions is applied. Several simulation and empirical results are reported. Comparison with three methods—CART, SUPPORT, and MARS—is made. The benefit of using geometric information is highlighted.