向量叶模型中的单调约束

单通限制和向量-叶模型都可以通过限制所允许的分出来起调节器的作用.

• Monotone限制允许将域知识嵌入到模型中,并防止由噪音产生的分化.
• 矢量叶模型更喜欢对许多目标都有利的分片,也防止由噪音产生的分片.

然而,与目前的API同时使用两者有时是不可能的.

考虑某一特征对目标1有积极影响,对目标2有负面影响的情况。 这是一个非常常见的情景,例如多类分类法. 因为我们只能提供单一的单通-约束向量,我们不能向模型描述这些相矛盾的效果. 然而,训练多棵树(通过每辆列车不同的单通-约束)是微不足道的。

是否计划开展任何工作,使这两个特征同步发挥作用? 它可能要求接收一个“monoone contraints”向量的矢量,每个目标一个(或等同的字典格式)。 我不知道如何容易 调整分割选择算法 以遵守这些限制。

从讨论中产生的问题#12505