SymboLLM-FE

新方法结合符号回归和LLM实现自动化特征工程

研究人员开发了SymboLLM-FE，一种将符号回归与大型语言模型（LLM）相结合，用于表格数据自动化特征工程的新方法。该方法旨在克服传统自动化特征工程的局限性，如可解释性差和需要LLM进行多次迭代，同时减轻偏见和幻觉的风险。通过符号回归提取数学表达能力强的公式，然后用LLM进行精炼以增强可解释性，SymboLLM-FE在六个真实世界数据集和四个Kaggle竞赛中展示了优于现有方法的性能，在LLM调用次数显著减少的情况下实现了高实用性。