表格域半监督学习中的渐进式特征提升
机器学习
2022-12-05 v1
摘要
近期半监督与自监督方法借助增强技术在图像与文本域取得巨大成功。尽管成绩斐然，将此种成功迁移至表格域并非易事。由于表格域中混合了不同数据类型（连续数据与类别数据），难以将图像与语言特有的变换适配到表格数据。少数表格域半监督工作聚焦于提出表格数据的新增强技术，这些方法在类别数据低基数的数据集上或有些许改进，但根本挑战未被解决。所提方法要么不适用于高基数数据集，要么未使用类别数据的有效编码。我们提出使用条件概率表示与高效的渐进式特征提升框架，以在半监督应用中有效学习表格数据表示。大量实验显示出所提框架的优越性能及在半监督设定中的潜在应用。
引用
@article{arxiv.2212.00892,
title = {Progressive Feature Upgrade in Semi-supervised Learning on Tabular Domain},
author = {Morteza Mohammady Gharasuie and Fenjiao Wang},
journal= {arXiv preprint arXiv:2212.00892},
year = {2022}
}