محققان در مقاله جدیدی از فریمورک نوآورانهای به نام LFS-FRAME رونمایی کردند که ترکیبی قدرتمند از «شبکههای عصبی KAN» و مدلهای درختمبنای «XGBoost» است.
چالش اصلی در مدلهای طبقهبندی، تداخل دادهها (Leakage) و بیشبرازش است که این فریمورک با استراتژی stacking خاص خود، این مشکل را حل کرده و دقت بسیار بالاتری را در مدلهای طبقهبندی چندکلاسه ارائه میدهد. این دستاورد میتواند گام بزرگی برای افزایش دقت مدلهای یادگیری ماشین در پروژههای پیچیده باشد.
منبع: arXiv AI