PulseAugur
实时 09:39:47
English(EN) TopoFE: topology-aware LLM-guided Automated Feature Engineering

TopoFE框架利用大语言模型增强自动化特征工程 · arXiv研究

研究人员开发了TopoFE,一个新颖的自动化特征工程框架,该框架利用大语言模型(LLMs)生成特征转换。与以往遭受无状态生成和同质搜索之苦的LLM方法不同,TopoFE采用了一种拓扑感知的多岛进化方法。该框架通过结合专业化探索、自适应提示记忆和拓扑引导的知识转移来增强特征发现。在大量表格数据集上的实验表明,TopoFE在分类和回归任务中始终优于现有的自动化特征工程方法,生成更多样化和可转移的特征程序。 AI

影响 这项研究可能导致更高效、更有效的机器学习模型数据预处理,从而加速开发周期。

排序理由 该集群包含一篇详细介绍自动化特征工程新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

TopoFE框架利用大语言模型增强自动化特征工程 · arXiv研究

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Sha Li, Naren Ramakrishnan ·

    TopoFE: topology-aware LLM-guided Automated Feature Engineering

    arXiv:2607.23286v1 Announce Type: new Abstract: Automatic feature engineering (AutoFE) for tabular learning can be naturally formulated as a program synthesis problem, where the objective is to discover predictive feature transformations from an exponentially large search space. …