CRISP：面向不平衡表格数据的高扩展性重要性分层核心集剪枝方法
针对大规模不平衡表格数据在梯度提升树训练中算力消耗过高的问题，研究人员提出了一种名为 CRISP 的线性时间核心集剪枝方法。该方法依据代理模型打分的分位数分层分配多数类（负类）样本预算，并通过样本加权校正不等采样概率。在真实生产级反欺诈数据集上的测试表明，在削减 95% 负类样本、数据总量缩减 93.2%（从 2500 万行降至约 170 万行）的情况下，该模型仍能保留全量数据 99.7% 的平均精度。
推荐理由提出了一种面向不平衡表格数据的高效核心集剪枝算法，在大幅缩减训练开销的同时几乎无损精度，具备显著的工业落地价值。
原标题：CRISP: Scalable Importance-Stratified Coresets for Imbalanced Tabular Learning
阅读 arXiv 机器学习 原文 ↗