Árvores e Florestas de Inferência Condicional para Seleção de Atributos

arXiv:2607.01417v1 Tipo de anúncio: novo Resumo: As árvores de inferência condicional (CIT) e as florestas de inferência condicional (CIF) reduzem o viés na seleção de divisões ao testar os atributos antes de escolher os limiares de divisão, mas os testes de permutação repetidos e as buscas por limiares podem tornar esses métodos computacionalmente caros. Estudamos CIT e CIF como métodos de ranqueamento dos top-$k$ atributos para predição posterior, usando benchmarks com dados reais, ablações de tempo de execução e experimentos sintéticos de recuperação de atributos. Em um nó fixo, se...