研究人员推出Emputation，一个新颖的深度生成框架，专为学习插补模型而设计。该框架通过以观测变量为条件，专门针对缺失变量的外插分布。训练由缺失假设指导，以确保目标分布的识别，并利用基于能量得分的风险目标。Emputation促进了多重插补的直接条件采样，并在模拟和阿尔茨海默病数据集的实际应用中表现出色。 AI
影响 为处理机器学习模型中缺失数据引入了新的统计框架。
排序理由 该集群包含一篇详细介绍新颖统计方法的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.05279v1 Announce Type: cross Abstract: We propose Emputation, a deep generative framework for learning imputation models. Emputation targets the extrapolation distribution of missing variables given observed variables, and training is guided by specific missingness ass…
We propose Emputation, a deep generative framework for learning imputation models. Emputation targets the extrapolation distribution of missing variables given observed variables, and training is guided by specific missingness assumptions that guarantee identification of the targ…