Краткое содержание

arXiv:2511.12713v1 Тип: новая работа Аннотация: Бинарное обучение — это задача машинного обучения, целью которой является прогнозирование взаимодействий между парами объектов. Оно находит применение в различных областях, включая прогнозирование взаимодействий «лекарство-мишень», ассоциации «РНК-болезнь» и inference регуляторных сетей. Несмотря на активное изучение, современные методы всё ещё имеют недостатки, поскольку часто создаются для конкретного приложения и, как следствие, не обобщаются на другие задачи или обладают проблемами масштабируемости. Для решения этих проблем мы предлагаем Oxytrees: прокси-деревья моделей бикластеризации. Oxytrees сжимают матрицу взаимодействий в строчные и столбцовые прокси-матрицы, что значительно сокращает время обучения без ущерба для прогнозной производительности. Мы также предлагаем новый алгоритм назначения листьев, который существенно уменьшает время, необходимое для прогнозирования. Наконец, Oxytrees используют в своих листьях линейные модели с ядром Кронекера, что приводит к созданию менее глубоких деревьев и, как следствие, к ещё более высокой скорости.