Super Greedy Trees

项目总结/摘要 我们使用分类和回归树（CART）识别关键弱点，CART是一种广泛使用的基础学习器 用于大数据分析的机器学习，并建议用一种根本不同的类型来取代它们。 我们称之为超级贪婪树（SGT）。SGT以一种完全不同的方式切割空间， 从而产生具有可证明的一致性和上级经验性能的更丰富的分区结构。项目 将开发一个统一的艾德SGT框架，用于使用机器学习进行大数据分析，包括时间处理 变化协变量生存分析，无监督学习，高度不平衡数据和多元回归。 SGT框架将部署在可伸缩和可扩展的开源软件中， 研究人员部署它们来处理具有挑战性的大数据问题。

Project Summary/Abstract We identify critical weaknesses with Classification and Regression Trees (CART), a widely used base learner for machine learning of big omic-data analysis, and propose to replace these with a fundamentally different type of base learner we call super greedy trees (SGT's). SGT's cut the space in a fundamentally different manner, resulting in a richer partition structure with provable consistency and superior empirical performance. The project will develop a unified SGT framework for big data analysis using machine learning including the treatment of time varying covariate survival analysis, unsupervised learning, highly imbalanced data and multivariate regression. The SGT framework will be deployed within scalable and extensible open source software that will allow NIGMS researchers to deploy them to deal with their challenging big data problems.