统计增强学习：一种提升（任意）学习算法的特征工程框架
统计方法学
2023-06-30 v1
摘要
特征工程在数据科学领域至关重要。尽管任何数据科学家都知晓严谨准备数据以获得高性能模型的重要性，但仅有少量文献形式化其特征工程的益处。本文提出统计增强学习（SEL）方法，一种对机器学习（ML）中现有特征工程与提取任务的的形式化框架。与经典 ML 的区别在于，某些预测变量并非直接观测得到，而是作为统计估计量获得。我们的目标是研究 SEL，旨在建立形式化框架，并通过模拟及真实用例应用展示其改进的性能。
引用
@article{arxiv.2306.17006,
title = {Statistically Enhanced Learning: a feature engineering framework to boost (any) learning algorithms},
author = {Florian Felice and Christophe Ley and Andreas Groll and Stéphane Bordas},
journal= {arXiv preprint arXiv:2306.17006},
year = {2023}
}