面向高维表格数据的有限样本合成：条件控制扩散模型
机器学习
2025-11-12 v2 人工智能
数据库
摘要
基于扩散的表格数据合成模型已取得鼎舞成果。然而，在数据维度增加时，现有模型倾向于退化，甚至可能不如更简单非扩散模型。这是因为在高维空间中有限的训练样本往往阻碍生成模型准确捕捉分布。为缓解不足学习信号并稳定高维低数据情境下的训练，我们提出了 CtrTab，即一种条件控制扩散模型，该模型在训练期间将扰动后的真实样本作为辅助输入。该设计在模型对控制信号敏感性上引入隐式 L2 正则化，从而提高了在高维低数据情境下的鲁棒性和稳定性。跨多个数据集的实验表明，CtrTab 在准确率上优于最先进模型，平均性能差距超过 90%。
引用
@article{arxiv.2503.06444,
title = {Towards Synthesizing High-Dimensional Tabular Data with Limited Samples},
author = {Zuqing Li and Junhao Gan and Jianzhong Qi},
journal= {arXiv preprint arXiv:2503.06444},
year = {2025}
}