VAEM：一种面向异构混合类型数据的深度生成模型
机器学习
2020-06-23 v1 机器学习
摘要
深度生成模型在自然数据的异构性下常在真实世界应用中表现不佳。异构性源于数据包含不同类型特征（类别型、序数型、连续型等）以及同类型特征具有不同边际分布。我们提出变分自编码器（VAEs）的扩展称为 VAEM 以处理此类异构数据。VAEM 是一种以两阶段方式训练的深度生成模型，使得第一阶段为第二阶段提供更均匀的数据表示，从而规避异构数据引起的问题。我们提供 VAEM 的扩展以处理部分观测数据，并展示其在数据生成、缺失数据预测和序列特征选择任务中的性能。我们的结果表明 VAEM 拓宽了深度生成模型可成功部署的真实世界应用范围。
引用
@article{arxiv.2006.11941,
title = {VAEM: a Deep Generative Model for Heterogeneous Mixed Type Data},
author = {Chao Ma and Sebastian Tschiatschek and José Miguel Hernández-Lobato and Richard Turner and Cheng Zhang},
journal= {arXiv preprint arXiv:2006.11941},
year = {2020}
}