热点事件持续更新
研究提出随机森林特征选择准则TOP-Gain
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
2026年10月22日，arXiv机器学习领域发表研究，提出用于随机森林Wrapper特征选择的抗噪袋外概率增益标准TOP-Gain。该标准通过将真实类别的袋外概率下降截断为零，消除了约三分之二的样本噪声方差。在26个OpenML-CC18数据集的测试中，TOP-Gain在15种对比方法中取得了ROC-AUC、准确率和Macro-F1的最佳平均排名。此外，该标准在保持与VSURF相当精度的同时，将单核计算量减少了21倍，且这一优势在额外的24个数据集上得到了复现。
AI 根据报道生成 · 1 小时前更新
最新进展10月22日 12:00
研究提出抗噪特征选择标准TOP-Gain，大幅减少计算量并取得多项指标最佳排名。报道时间线
沿着报道，了解事件的不同侧面。
10月22日
- arXiv 机器学习TOP-Gain：用于随机森林 Wrapper 特征选择的抗噪袋外概率增益标准
研究者提出随机森林特征选择标准 TOP-Gain，通过将真实类别袋外概率下降截断为零，消除约三分之二的样本噪声方差。在 26 个 OpenML-CC18 数据集上，TOP-Gain 在 15 种方法中取得 ROC-AUC、准确率和 Macro-F1 最佳平均排名。它匹配了 VSURF 的精度且单核计算量减少 21 倍，还在额外 24 个数据集上复现了该优势。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。