Key points are not available for this paper at this time.
Il y a un intérêt à étendre l'algorithme de boosting (Schapire, 1990) pour s'adapter à un large éventail de problèmes de régression. L'algorithme de boosting basé sur des seuils pour la régression utilise une analogie entre les erreurs de classification et les grandes erreurs en régression. Nous nous concentrons sur les aspects pratiques de cet algorithme et le comparons à d'autres tentatives d'étendre le boosting à la régression. Les capacités pratiques de ce modèle sont démontrées sur les données laser de la compétition de séries temporelles de Santa Fe et la série temporelle de Mackey-Glass, où les résultats surpassent ceux de la moyenne d'ensemble standard.
Avnimelech et al. (Mon,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: