arXiv cs.LG· Maria V. Salvador, Ana F. Sequeira, Jaime S. Cardoso·· 7 小时前AI 评分23
任务感知插补何时真正有效？训练-测试失配下的鲁棒性分析
When Does Task-Aware Imputation Matter? An Analysis of Robustness Under Train-Test Mismatch
AI 导读
研究提出统一框架，将缺失项视为任务条件优化问题中的变量，并在训练与测试均缺失、仅训练数据不完整两种场景下分别采用摊销方法与隐变量优化方法。在98个表格数据集上评估、36个数据集上测试失配鲁棒性，结果显示重建误差难以代表预测效用（Spearman rho 约 0.16 至 0.32），任务感知插补在经典方法失效的失配场景中胜率最高达 80%。
来源：arXiv cs.LG · arxiv.org