研究人员开发了一个名为条件独立性正则化分布自编码器的新框架，用于学习混合类型数据的低维表示。该方法结合了数值变量和分类变量的目标以及一个正则化项来捕获它们之间的依赖关系。理论分析以及在合成和真实世界数据集上的实证结果表明，该方法能更好地恢复分类分布并保持混合类型数据的结构。 AI
影响 引入了一种处理表示学习中混合类型数据的新颖方法，有可能改进利用此类数据集的下游任务。
排序理由 详细介绍新方法的学术论文。[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 →
arXiv:2608.20562v1 Announce Type: cross Abstract: Mixed-type data containing both numerical and categorical variables arise in many scientific and real-world applications. Existing representation learning and generative modeling approaches typically focus either on reconstruction…