KDDJan, 2019

Python 自动化特征工程与选择的 autofeat 库

PDF
TL;DR本文介绍了 Autofeat Python 库，该库能为 Scikit-Learn 风格的线性回归和分类模型提供自动特征工程和选择功能。通过多阶段的特征工程和选择过程，它可以生成一个非线性特征池，从中选择出一组有意义的特征来提高线性模型的预测准确率，同时保持其可解释性。
发现论文，激发创造
  • AutoField: 深度推荐系统中的特征选择自动化

    本文提出了一种自适应选择重要特征字段的 AutoML 框架，该框架设计了一个可微的控制器网络，通过自动调整选择特定特征字段的概率来重新训练深度推荐模型，实验证明了该框架的有效性。

    Apr, 2022

  • 基于自编码器的无监督特征选择

    本研究介绍了一种基于自编码器回归和组稀疏任务的无监督特征选择方法 AEFS，能够更灵活地选取高维数据中最重要的特征，实验结果表明该方法优于现有的方法。

    Oct, 2017

  • 表格数据的自动模型选择

    该研究论文提出了两种自动化模型选择方法，分别是基于优先级的随机网格搜索和贪婪搜索方法，应用于包含特征交互的表格数据集，有效捕获预测性特征组合。

    Jan, 2024

  • GPT 用于半自动化数据科学：介绍 CAAFE 进行上下文感知的自动特征工程

    通过利用大型语言模型，提出了 Context-Aware Automated Feature Engineering（CAAFE）方法，该方法可以在表格数据集中生成语义相关的功能。通过将此方法应用于 14 个数据集，可以提高 11 个数据集的性能并提供有价值的见解。

    May, 2023

  • SAFE：工业任务自适应特征工程可扩展框架

    本文提出了一种被称为 SAFE 的分阶段方法，旨在提高特征工程的效率和可扩展性，同时保证其可解释性和性能表现，经过广泛实验论证，该方法相较于其他方法表现出更高的效率和竞争力的效果，并且具备适度的可扩展性，保证其在大规模工业任务中可落地实施。

    Mar, 2020

  • SATfeatPy：用于可满足性问题的基于 Python 的特征提取系统

    本文介绍了 SATfeatPy 这个 Python 库，该库可以对 CNF 格式的 SAT 问题进行特征提取，实现了该领域主要论文中所有的结构和统计特征，并使用该库从 3000 个 SAT 和 UNSAT 实例生成的五组特征对十种不同类型的问题进行了高准确度的 SAT/UNSAT 和问题类别分类。最后，在去除一些特征后，比较特征的实用性和对于预测 SAT 实例的原始结构的重要性。

    Apr, 2022

  • 自动 FP：针对表格数据的自动特征预处理的实验研究

    通过分析 15 种算法在 45 个公开的机器学习数据集上的综合评估和分析，研究表明 Auto-FP 问题可以用超参数优化 (HPO) 或神经架构搜索 (NAS) 问题来建模，演化算法在平均排名上表现最好，随机搜索是一个强有力的基准线，许多基于代理模型和赌博算法搜索的算法并没有超过随机搜索在 Auto-FP 方面的性能。

    Oct, 2023

  • FeatGeNN：基于相关性特征提取的表格数据模型性能改进

    自动特征工程（AutoFE）是任何机器学习项目的重要任务，可以帮助改善模型性能并为统计分析提供更多信息。为了解决当前 AutoFE 方法中存在的手动特征创建和特征数量过多问题，我们提出了一种基于相关性的卷积方法 ——FeatGeNN。我们在各种基准数据集上评估了我们的方法，并证明 FeatGeNN 在模型性能方面优于现有的 AutoFE 方法。我们的结果表明，在表格数据应用中，基于相关性的池化可以成为 AutoFE 中替代 max-pooling 的有前景的选择。

    Aug, 2023

  • 基于深度学习与可解释人工智能的基因组特征选择新算法

    本文提出了一种利用自编码器和可解释的基于人工智能的评分来进行特征选择的算法，可用于诊断、预后和精准医疗。该算法在慢性淋巴细胞白血病数据集上应用，能够确定一组有意义的基因，供进一步医学研究参考。

    Mar, 2023

  • 分形自编码器用于特征选择

    本研究提出了一种创新的无监督特征选择框架 —— 分形自编码器 (FAE)，它通过训练神经网络来精确定位全局取代能力和局部多样性的信息特征，具有显著优势，可在 14 个数据集上验证，特别是在基因表达数据探索方面可将测量成本降低约 15%，比现有的同类方法性能更优。

    Oct, 2020