基于硬度特征的表格数据定向合成数据生成

通过合成数据生成进行数据增强已被证明在稀缺或低质量数据的情境中有效提升模型性能和鲁棒性。我们采用数据估值框架从统计上识别有益和有害观察值，引入一种简单的数据增强管线，仅基于硬度特征生成高价值训练点，以计算效率的方式实现。我们首先通过对真实数据上的基准测试实证表明，基于Shapley的值方法在硬度特征任务中与基于学习的方法相当，同时具有显著的计算优势。随后，我们展示了在多个表格数据集上，使用在最难点上训练的合成数据生成器优于非定向数据增强。我们的做法提高了样本外预测质量，计算效率也高于非定向方法。