테이블형 딥 회귀 재조명: 목적 함수와 전역 조기 종료의 한계
요약
본 논문은 테이블형 데이터 회귀 작업의 목적 함수 선택에 대한 체계적인 재평가를 수행했습니다. 기존 연구들이 제시한 다양한 목적 함수들을 비교 분석한 결과, 분위수 손실(quantile loss)이 MSE 대비 일관된 개선을 보였습니다. 나아가 입력 의존적 레이블 스무딩을 적용한 이분산성 인지 분위수 손실을 제안하며, 이는 전역 조기 종료의 한계를 극복하는 새로운 접근법입니다.
핵심 포인트
- 테이블형 회귀 목적 함수에 대한 체계적인 재평가 결과를 제시함.
- 분위수 손실(quantile loss)이 MSE 대비 일관된 성능 개선을 보임.
- 전역 조기 종료는 이분산성 목표 분포를 표현하는 데 한계가 있음.
- 입력 의존적 레이블 스무딩 기반의 새로운 목적 함수를 제안함.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG (Machine Learning)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기