用于合成数据生成的藤 Copula 模型学习
机器学习
2018-12-05 v1 机器学习
摘要
藤copula模型是一种灵活的高维依赖模型，仅使用二元构建块。然而，藤copula的可能配置数量随变量数增加呈指数增长，使模型选择成为开发中的一大挑战。本文中，我们同时将藤结构学习问题表述为向量与强化学习表示。我们使用神经网络寻找最佳可能藤模型的嵌入并生成结构。在合成与真实数据集上的实验表明，我们所提方法在对数似然意义上更好地拟合数据。此外，我们证明该模型能在多种应用中生成高质量样本，使其成为合成数据生成的良好候选。
引用
@article{arxiv.1812.01226,
title = {Learning Vine Copula Models For Synthetic Data Generation},
author = {Yi Sun and Alfredo Cuesta-Infante and Kalyan Veeramachaneni},
journal= {arXiv preprint arXiv:1812.01226},
year = {2018}
}