BriefGPT.xyz
大模型
Ask
alpha
关键词
imputation techniques
搜索结果 - 4
提升填补准确率：利用上下文的大型语言模型加强插补数据
这篇论文介绍了上下文语言模型用于准确插补方法 (CLAIM)，一种利用预训练大型语言模型 (LLMs) 的广泛知识和推理能力来解决表格数据集中缺失数据挑战的新策略。通过利用上下文相关的自然语言描述符来填充丢失的值，CLAIM 方法转换数据集
→
PDF
a month ago
SMART：面向预训练缺失感知模型的患者健康状态预测
通过自我监督的预训练方法，SMART（自我监督的缺失感知表示学习方法）通过详细的注意力机制对缺失信息进行编码，并通过学习潜在空间中的缺失数据表示来填补缺失值，从而提高了患者健康状况预测的泛化性和鲁棒性。在六个电子健康记录任务上进行的广泛实验
→
PDF
2 months ago
DiffImpute：具有去噪扩散概率模型的表格数据填充
DiffImpute 是一种新颖的去噪扩散概率模型（DDPM），它能针对缺失值进行可信的填充，通过四个针对表格特征的去噪网络和数据融合来提升观测和填充数据的一致性，实现有效的推理，显著优于其他方法。
PDF
3 months ago
医疗数据缺失值填补技术的性能评估
该研究比较了七种填补技术在三个医疗数据集上的表现，结果显示 Missforest 填补法表现最好，其次是 MICE 填补法；此外，研究还表明在处理包含缺失值的数据时，首先进行填补再进行特征选择效果更好。
PDF
4 months ago
Prev
Next