OCT-GAN：基于神经 ODE 的条件表格 GAN
机器学习
2021-06-01 v1
摘要
出于多种目的，合成表格数据近来备受关注。例如，利用精细的合成数据可以扩充训练数据。过去几年中，表格数据合成技术已取得巨大进步。近期工作在解决表格数据合成中的诸多问题（如不平衡分布与多模态问题）上取得了进展。然而，最先进方法的数据效用仍不尽如人意。本文中，我们基于神经常微分方程（NODEs）设计生成器与判别器，显著提升了数据效用。在证明 NODEs 在理论上具有适于生成表格数据的特性后，我们给出了相应设计。基于 NODE 的判别器执行基于隐藏向量演化轨迹的分类，而非仅用最后一层隐藏向量分类。我们的生成器也在架构最前端采用 ODE 层，将其初始输入向量（即本文中噪声向量与条件向量的拼接）变换至适于生成过程的另一潜向量空间。我们使用 13 个数据集（包括但不限于保险欺诈检测、在线新闻文章预测等）进行实验，所提方法在分类、回归与聚类的多数实验中优于其他最先进表格数据合成方法。
引用
@article{arxiv.2105.14969,
title = {OCT-GAN: Neural ODE-based Conditional Tabular GANs},
author = {Jayoung Kim and Jinsung Jeon and Jaehoon Lee and Jihyeon Hyeong and Noseong Park},
journal= {arXiv preprint arXiv:2105.14969},
year = {2021}
}
备注
Accepted by WWW 2021