CARTGen-IR：用于不平衡回归的合成表格数据生成
机器学习
2026-03-12 v2
摘要
处理回归中的不平衡目标分布始终是一个持久的挑战，因为相关目标值的欠表示会显著阻碍模型性能。现有数据层面的解决方案常采用分类导向的技术，通过对连续目标引入任意阈值，导致人工且可能误导性的问题建模。深度生成模型虽具灵活的样本合成能力，但计算密集且难以解释。我们提出一种专为不平衡回归设计的CART基合成抽样方法。该方法集成了相关性与密度导向的抽样，以解决稀疏目标区域问题，避免阈值化处理；并采用特征驱动的树结构，在异构特征和非线性相互作用之间生成逼真的表格样本。针对极值预测基准数据集的实验表明，所提方法在与最新抽样和生成方法的竞争中表现优异，同时具有更快的执行速度和更大的可解释性。这些结果凸显了其作为提升不平衡领域回归模型性能的可扩展且可解释的数据层策略的潜力。
引用
@article{arxiv.2506.02811,
title = {CARTGen-IR: Synthetic Tabular Data Generation for Imbalanced Regression},
author = {António Pedro Pinheiro and Rita P. Ribeiro},
journal= {arXiv preprint arXiv:2506.02811},
year = {2026}
}
备注
14 pages, 6 figures, 2 tables, 1 algorithm