Uma Estrutura de Árvore de Decisão para Predição de Sequências Espaciotemporais

Estudamos o problema de prever uma sequência de saída espaciotemporal dada uma sequência de entrada. Em contraste com problemas convencionais de predição de sequência, como etiquetagem de partes do discurso (onde as sequências de saída são selecionadas usando um conjunto relativamente pequeno de rótulos discretos), nosso objetivo é prever sequências que estão dentro de um espaço de saída contínuo de alta dimensão. Apresentamos uma estrutura de árvore de decisão para aprender um preditor de sequência espaciotemporal não paramétrico e preciso. Nossa abordagem possui várias propriedades atraentes, incluindo facilidade de treinamento, desempenho rápido no momento do teste e a capacidade de tolerar robustamente dados de treinamento corrompidos utilizando uma nova abordagem de variável latente. Avaliamos em vários conjuntos de dados e demonstramos melhorias substanciais sobre estruturas existentes de aprendizado de sequência baseadas em árvore de decisão, como SEARN e DAgger.