跨异质特征空间的表格少样本泛化
机器学习
2023-11-17 v1
摘要
尽管表格数据集十分普遍，少样本学习在该领域仍未被充分探索。由于列关系、语义和排列不变性的差异，现有的少样本方法无法直接应用于表格数据集。为应对这些挑战，我们提出了 FLAT——一种新颖的表格少样本学习方法，涵盖具有异质特征空间的数据集之间的知识共享。利用受 Dataset2Vec 启发的编码器，FLAT 学习数据集及其各列的低维嵌入，从而促进知识迁移并泛化到先前未见过的数据集。一个解码器网络参数化预测目标网络（实现为图注意力网络），以适应表格数据集的异质特性。在 118 个 UCI 数据集的多样化集合上的实验表明，FLAT 成功泛化到新表格数据集，并相较基线有显著提升。
引用
@article{arxiv.2311.10051,
title = {Tabular Few-Shot Generalization Across Heterogeneous Feature Spaces},
author = {Max Zhu and Katarzyna Kobalczyk and Andrija Petrovic and Mladen Nikolic and Mihaela van der Schaar and Boris Delibasic and Petro Lio},
journal= {arXiv preprint arXiv:2311.10051},
year = {2023}
}
备注
Tabular learning, Deep learning, Few shot learning