使用去噪自编码器的动态特征获取
机器学习
2018-12-10 v1 机器学习
摘要
在真实场景中,不同特征在测试时的获取成本不同,这需要成本感知的方法来优化成本与性能的权衡。本文提出一种新颖且可扩展的测试时成本感知特征获取方法。该方法基于已知特征值的可用上下文,增量式地请求特征。所提方法基于神经网络中的敏感性分析和使用具有二值表示层的去噪自编码器的密度估计。在所提架构中,去噪自编码器用于处理未知特征(即尚未获取的特征),而预测相对于每个未知特征的敏感性被用作依赖于上下文的信息量度量。我们在八个不同的真实世界数据集以及一个合成数据集上评估了所提方法,并与文献中的几种其他方法比较了性能。根据结果,所建议的方法能够以成本和上下文感知的方式在测试时高效获取特征。
引用
@article{arxiv.1811.01249,
title = {Dynamic Feature Acquisition Using Denoising Autoencoders},
author = {Mohammad Kachuee and Sajad Darabi and Babak Moatamed and Majid Sarrafzadeh},
journal= {arXiv preprint arXiv:1811.01249},
year = {2018}
}