Boosting Revisited: Benchmarking and Advancing LP-Based Ensemble Methods
提升法再审视：对基于线性规划的集成方法的基准测试与推进
机构 * Industrial Engineering and Management Science University of Twente（特文特大学工业工程与管理科学学院） ； CIRRELT & SCALE-AI Chair in Data-Driven Supply Chains Polytechnique Montréal（蒙特利尔大学数据驱动供应链联合主席） ； LAAS-CNRS Université de Toulouse（图卢兹大学CNRS LAAS研究所）
AI总结 本文提出两种新的基于线性规划的提升方法，通过大规模实验展示其在多种数据集上的性能，证明其在使用浅层树时可超越现有启发式方法，并产生更稀疏的集成。
Comments Published in Transactions on Machine Learning Research (2025), see: https://openreview.net/forum?id=lscC4PZUE4
