基于后选VAE的高质量表格数据生成
机器学习
2024-07-19 v1 软件工程
摘要
随着数据隐私问题日益突出，合成表格数据正成为一种必要手段。表格数据可用于测试各种系统、模拟真实数据、分析数据本身或构建预测模型。然而，由于保密问题，这些数据可能难以获取。以往的技术，如TVAE（Xu等，2019）或OCTGAN（Kim等，2021），要么无法处理复杂数据集，要么自身复杂，导致运行时性能较差。本文引入PSVAE，一个新的简单模型，能够在更短的运行时间内生成高质量的合成数据。PSVAE融合了两个关键思想：损失优化和后选。此外，本文提出的模型弥补了欠represent的类别，并采用了现代激活函数Mish（Misra，2019）。
引用
@article{arxiv.2407.13016,
title = {High-Quality Tabular Data Generation using Post-Selected VAE},
author = {Volodymyr Shulakov},
journal= {arXiv preprint arXiv:2407.13016},
year = {2024}
}