面向表格数据的指数族变分流匹配
机器学习
2025-10-06 v4
摘要
虽然去噪扩散和流匹配推动了生成模型的重大进步，但其在表格数据上的应用仍有限，尽管表格数据在实际应用中极为常见。为此，我们开发了TabbyFlow，一种用于表格数据生成的变分流匹配（Variational Flow Matching，VFM）方法。为将 VFM 应用于包含离散和连续特征混合类型的数据，我们引入指数族变分流匹配（Exponential Family Variational Flow Matching，EF-VFM），其使用广义指数族分布表示异构数据类型。我们获得基于矩匹配的高效、数据驱动的目标，实现对混合连续与离散变量概率路径的原则性学习。我们还在基于Bregman散度的广义流匹配目标与变分流匹配之间建立了联系。在表格数据基准测试上的评估表明，我们的方法在与基线方法的比较中实现了最先进的性能。
引用
@article{arxiv.2506.05940,
title = {Exponential Family Variational Flow Matching for Tabular Data Generation},
author = {Andrés Guzmán-Cordero and Floor Eijkelboom and Jan-Willem van de Meent},
journal= {arXiv preprint arXiv:2506.05940},
year = {2025}
}
备注
14 pages, 1 figure, and 9 tables; To be published in the Proceedings of the Forty-Second International Conference on Machine Learning