Generative Forests
R Nock, M Guillame-Bert
[Google Research]基于树的生成模型
动机：表格数据是最常见的数据形式之一。在数据生成方面，许多方法会学习数据生成过程的密度，但不一定会得到一个采样器，更不用说与底层密度完全一致了。对于表格数据，训练有着显著特性的监督学习算法与数据生成时的保证之间存在明显的鸿沟。 方法：介绍了新的基于树的生成模型，适用于稠密建模和表格数据生成，改进了最近提议的建模能力，并提出了一个简化了以前方法训练设置的训练算法，显示出与boosting一致的收敛性。 优势：该算法具有依赖于可以通过对两类决策树归纳的最流行归纳方案进行少量调整来实现的监督训练方案的便利属性。实验显示了该方法获得的结果的质量，特别是与最新技术相比。提出了新的基于树的生成模型和训练算法，用于表格数据的生成，同时简化了训练过程并显示出与boosting一致的收敛性。
https://arxiv.org/abs/2308.03648
