El artículo presenta KORE, un método que determina la resolución óptima de la regresión por splines en forma cerrada en lugar de mediante una búsqueda exhaustiva de hiperparámetros. Al aprovechar la teoría clásica de aproximación y la identidad PRESS, equilibra analíticamente las escalas de sesgo y ruido para lograr una precisión comparable a los barridos de cuadrícula con significativamente menos cómputo.
- KORE reemplaza la dimensión ambiental de entrada por el orden de interacción, creando una ley de escala donde la resolución óptima es una función potencia de la densidad efectiva.
- El algoritmo ajusta dos resoluciones piloto y resuelve un sistema 2x2 calibrado por apalancamiento para estimar las escalas de sesgo y ruido para una resolución plug-in en forma cerrada.
- Requiere solo alrededor de una docena de ajustes de modelo en comparación con un barrido completo de cuadrícula, ofreciendo una garantía de consistencia a medida que crece el tamaño de la muestra.
- En 36 conjuntos de datos tabulares reales de hasta 80 dimensiones, KORE se clasifica primero entre 21 métodos en precisión por unidad de cómputo, superando a los boosters ajustados y a las máquinas de kernel.
Este enfoque permite que la regresión por splines evite el costo computacional del ajuste de hiperparámetros mientras mantiene un alto rendimiento predictivo en objetivos de bajo orden de interacción.