arXiv cs.LG· Cameron Mouangue, Tristan Cazenave·· 7 小时前AI 评分20
基于蒙特卡洛树搜索的 L0 特征选择：高维金融回归新方法
$L_0$ Feature Selection via Monte Carlo Tree Search in High-Dimensional Financial Regression
AI 导读
研究提出基于蒙特卡洛树搜索与 GNRPA 的特征选择框架，将特征选择建模为序贯决策过程，并按样本外验证表现而非训练误差对候选子集打分。在从 1,072 个工程特征解释 NASDAQ-100 周收益的任务中，该方法取得 0.6961 的样本外 R²，优于优化后 Lasso 基线的 0.6313。该框架还支持兼顾子集规模与多重共线性的字典序目标，论文已被 ICAIF '26 接收。
来源：arXiv cs.LG · arxiv.org