MCFlow：用于数据填补的蒙特卡洛流模型
机器学习
2020-03-31 v1 计算机视觉与模式识别
机器学习
摘要
我们考虑数据填补这一解决缺失数据问题的机器学习基础任务。为此，我们提出 MCFlow，一种利用归一化流生成模型与蒙特卡洛采样的填补深度框架。我们通过引入一种迭代学习方案来解决使用不完整数据训练模型时出现的因果困境，该方案交替更新密度估计与训练数据中缺失条目的值。我们在标准多元与图像数据集上对所提方法的有效性进行了广泛的实证验证，并将其性能与最先进的替代方法基准比较。我们证明 MCFlow 在填补数据质量以及保留数据语义结构的能力方面均优于竞争方法。
引用
@article{arxiv.2003.12628,
title = {MCFlow: Monte Carlo Flow Models for Data Imputation},
author = {Trevor W. Richardson and Wencheng Wu and Lei Lin and Beilei Xu and Edgar A. Bernal},
journal= {arXiv preprint arXiv:2003.12628},
year = {2020}
}