基于混合变量表格数据地理流核的半监督学习
机器学习
2025-04-24 v2
摘要
表格数据因其异构性质而面临独特挑战，既包含连续变量又包含分类变量。现有方法往往难以有效捕捉此类数据内部结构和关系。我们提出了 GFTab（基于混合变量表格数据地理流核的半监督学习），一种专为表格数据集设计的半监督框架。GFTab 包含三个关键创新点：1）针对连续变量和分类变量各自特性的定制化损坏方法；2）基于地理流核的相似性度量，以捕捉受损输入之间的几何变化；3）基于树的嵌入，以利用可用标签数据中的层次关系。为严格评估 GFTab，我们构建了包含 21 个表格数据集的全面集合，这些数据集涵盖 various domains, various sizes, and various variable compositions。我们的实验结果表明，GFTab 在许多数据集上均优于现有的机器学习/深度学习模型，尤其在标注数据有限的情形下表现更为突出。
引用
@article{arxiv.2412.12864,
title = {Geodesic Flow Kernels for Semi-Supervised Learning on Mixed-Variable Tabular Dataset},
author = {Yoontae Hwang and Yongjae Lee},
journal= {arXiv preprint arXiv:2412.12864},
year = {2025}
}
备注
AAAI-25