利用 VAE 处理不完全异构数据
机器学习
2020-05-25 v4 人工智能
机器学习
摘要
变分自编码器（VAEs）以及其他生成模型，已被证明能够高效且准确地捕捉海量复杂高维数据的潜在结构。然而，现有 VAE 仍无法直接处理异构（连续与离散混合）或不完全（随机缺失数据）的数据，而这在实际应用中确实十分常见。本文提出一个通用框架，用于设计适用于拟合不完全异构数据的 VAE。所提出的 HI-VAE 包含实值、正实数值、区间、类别、有序及计数数据的似然模型，并允许对缺失数据进行准确估计（以及潜在的插补）。此外，HI-VAE 在有监督任务中展现出有竞争力的预测性能，在基于不完全数据训练时优于有监督模型。
引用
@article{arxiv.1807.03653,
title = {Handling Incomplete Heterogeneous Data using VAEs},
author = {Alfredo Nazabal and Pablo M. Olmos and Zoubin Ghahramani and Isabel Valera},
journal= {arXiv preprint arXiv:1807.03653},
year = {2020}
}