در یادگیری ماشین، خیلی وقتها با دادههایی سر و کار داریم که ترتیب آنها مهم است (مثل رتبهبندی رضایت مشتری یا شدت بیماری). روشهای معمول اغلب این «ترتیب» را نادیده میگیرند و مدل را ضعیف میکنند. 📉
محققان به تازگی چارچوب «ADABORD» را معرفی کردهاند که نسخه ارتقایافتهای از الگوریتم معروف AdaBoost برای حل مسائل رتبهبندی است. این مدل با تغییر در نحوه تقسیمبندی درختهای تصمیم (Ordinal Gini) و اصلاح تابع خطا، دقت بسیار بالاتری را نسبت به روشهای فعلی به دست آورده است. 🚀
اگر در پروژههای پردازش داده با مسائل رتبهبندی سر و کار دارید، این مقاله و کدهای منبع آن میتوانند ابزار بسیار کاربردی برای بهبود نتایج شما باشند. 💻✨
منبع: arXiv Machine Learning