用于条件分布灵活估计的并行梯度提升算法

研究者提出一种名为并行梯度提升（parallel gradient boosting）的新算法，用于高效估计整个条件分布。该方法通过为所有训练样本采用公共下降方向，使每次迭代仅需训练一个基模型，摆脱了传统提升算法对特定损失函数和基学习器的依赖。在多重分位数回归设定下，其预测质量媲美 XGBoost，同时训练速度提升数个数量级，并在高维及含缺失协变量场景中优于其他非参数与半参数估计器。