研究人员开发了MARCUS，一种新颖的城市区域表示学习模型，该模型专门通过将缺失数据视为有价值的信号而非噪声来解决数据不完整性问题。该模型采用三阶段过程：内部学习（Intra Learning）编码观测到的特征和缺失模式，中间学习（Inter Learning）估计模态可靠性，以及融合（Fusion）使用缺失感知和时间感知门控生成最终区域嵌入。在悉尼和纽约的租金预测中，MARCUS的性能显著优于现有基线，在悉尼的平均绝对误差（MAE）降低了51.35%，在纽约降低了12.62%。 AI
影响 这项研究提供了一种处理机器学习中不完整数据的新方法，有望提高房地产以外各种预测任务的准确性。
排序理由 该集群描述了一篇详细介绍新机器学习模型及其应用的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
