面向表格数据的局部对比特征学习
机器学习
2022-11-22 v1 人工智能
摘要
对比自监督学习已成功应用于图像、文本、图等诸多领域，以在无需标签信息的情况下学习特征。本文提出一种新的局部对比特征学习(LoCL)框架，我们的主旨是从表格数据中学习局部模式/特征。为给局部学习创造空间，我们利用特征相关性构建最大生成树，并将树拆分为特征子集，使强相关特征彼此相邻分配。采用特征的卷积学习来学习潜特征空间，并由对比损失与重构损失加以约束。在公开表格数据集上的实验显示了所提方法相对于最先进基线方法的有效性。
引用
@article{arxiv.2211.10549,
title = {Local Contrastive Feature learning for Tabular Data},
author = {Zhabiz Gharibshah and Xingquan Zhu},
journal= {arXiv preprint arXiv:2211.10549},
year = {2022}
}