KiGB：知识密集型梯度提升 长期以来，在AI内部已经纳入了包括定性约束（例如单调和协同影响）在内的更丰富的人类输入。 受此启发，我们考虑了在成功的梯度增强框架中使用此类影响力陈述的问题。 我们为分类和回归设置开发了一个统一的框架，该框架可以有效地合并这些约束，以加快学习速度，从而建立更好的模型。 我们在大量标准域和两个特别新颖的现实域中的结果证明了使用域知识而不是将人类视为单纯的标记者的优越性。 KiGB是一个统一的框架，用于学习用于梯度回归和分类任务的梯度增强决策树，同时利用人工建议来实现