論文の概要: Feature and Instance Joint Selection: A Reinforcement Learning Perspective

• arxiv url: http://arxiv.org/abs/2205.07867v1
• Date: Thu, 12 May 2022 07:51:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-22 10:57:06.273749
• Title: Feature and Instance Joint Selection: A Reinforcement Learning Perspective
• Title（参考訳）: 特徴と事例 共同選択:強化学習の視点から
• Authors: Wei Fan, Kunpeng Liu, Hao Liu, Hengshu Zhu, Hui Xiong, Yanjie Fu
• Abstract要約: 共同選択作業を実現するための強化学習ソリューションを提案する。 特に、シーケンシャルスキャン機構はエージェントのアクション戦略として設計されている。 実世界のデータセットの実験では、パフォーマンスが改善された。
• 参考スコア（独自算出の注目度）: 47.704739699011995
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Feature selection and instance selection are two important techniques of data processing. However, such selections have mostly been studied separately, while existing work towards the joint selection conducts feature/instance selection coarsely; thus neglecting the latent fine-grained interaction between feature space and instance space. To address this challenge, we propose a reinforcement learning solution to accomplish the joint selection task and simultaneously capture the interaction between the selection of each feature and each instance. In particular, a sequential-scanning mechanism is designed as action strategy of agents, and a collaborative-changing environment is used to enhance agent collaboration. In addition, an interactive paradigm introduces prior selection knowledge to help agents for more efficient exploration. Finally, extensive experiments on real-world datasets have demonstrated improved performances.
• Abstract（参考訳）: 特徴選択と事例選択は2つの重要なデータ処理技術である。 しかし、このような選択は、主に別々に研究されているが、既存の共同選択に向けた研究は、特徴空間とインスタンス空間の間の細かな相互作用を無視している。 この課題に対処するために,統合選択タスクを実現し,各特徴の選択と各インスタンス間のインタラクションを同時に捉えるための強化学習ソリューションを提案する。 特に,シーケンシャルスキャン機構はエージェントの行動戦略として設計され,エージェントの協調性を高めるために協調交換環境が用いられる。 さらに、対話型パラダイムでは、エージェントがより効率的な探索を行うのに役立つ事前選択知識が導入されている。 最後に、実世界のデータセットに関する広範な実験により、パフォーマンスが改善された。

関連論文リスト

• Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
  本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。 本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
  論文  参考訳（メタデータ） (2024-10-15T07:35:51Z)
• Cognitive Evolutionary Learning to Select Feature Interactions for Recommender Systems [59.117526206317116]
  Cellはさまざまなタスクやデータに対して,さまざまなモデルに適応的に進化可能であることを示す。 4つの実世界のデータセットの実験では、細胞は最先端のベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2024-05-29T02:35:23Z)
• Towards Hybrid-grained Feature Interaction Selection for Deep Sparse Network [18.759101407874507]
  深層スパークネットワークにおける特徴場と特徴値の両方を対象とする,ハイブリッドな機能相互作用選択手法を提案する。 そこで我々は,機能フィールドと特徴値の両方から機能相互作用を効率的に選択するoptFeatureという選択アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2023-10-23T20:15:30Z)
• Feature Interaction Aware Automated Data Representation Transformation [27.26916497306978]
  我々は,マルコフ決定過程をカスケードした階層的強化学習構造を開発し,特徴選択と操作選択を自動化する。 我々は、選択された特徴間の相互作用強度に基づいてエージェントに報酬を与える。その結果、人間の意思決定をエミュレートする特徴空間をインテリジェントかつ効率的に探索する。
  論文  参考訳（メタデータ） (2023-09-29T06:48:16Z)
• Feature Selection: A perspective on inter-attribute cooperation [0.0]
  高次元データセットは、データマイニングと機械学習におけるタスク学習の課題を描いている。 特徴選択は次元削減に有効な手法である。 本稿では,機能間協調によるフィルタ特徴選択手法に関する最新の研究について述べる。
  論文  参考訳（メタデータ） (2023-06-28T21:00:52Z)
• A metaheuristic multi-objective interaction-aware feature selection method [5.28539620288341]
  本稿では,いくつかの利点を有する新しい多目的特徴選択法を提案する。 高度な確率スキームを用いて特徴間の相互作用を考察する。 提案手法は,提案した確率スキームを用いて,より有望な子孫を生成する。
  論文  参考訳（メタデータ） (2022-11-10T08:56:48Z)
• A Hierarchical Interactive Network for Joint Span-based Aspect-Sentiment Analysis [34.1489054082536]
  本稿では,2つのタスク間の双方向相互作用を適切にモデル化する階層型対話型ネットワーク(HI-ASA)を提案する。 クロススティッチ機構を用いて、異なるタスク固有の特徴を入力として選択的に組み合わせ、適切な双方向インタラクションを保証する。 3つの実世界のデータセットの実験は、HI-ASAがベースラインよりも優れていることを示している。
  論文  参考訳（メタデータ） (2022-08-24T03:03:49Z)
• Attention Option-Critic [56.50123642237106]
  本稿では,オプション批判フレームワークへの注意に基づく拡張を提案する。 これは、状態抽象化も可能な振る舞いに多様な選択肢をもたらすことを示す。 また、学習した選択肢のより効率的で、解釈可能で、再利用可能な性質を、オプション批判と比較して示す。
  論文  参考訳（メタデータ） (2022-01-07T18:44:28Z)
• FIVES: Feature Interaction Via Edge Search for Large-Scale Tabular Data [106.76845921324704]
  本稿では,FIVES (Feature Interaction Via Edge Search) という新しい手法を提案する。 FIVESは、定義された特徴グラフ上のエッジを探すために、インタラクティブな特徴生成のタスクを定式化する。 本稿では,対話的特徴の探索を動機づける理論的証拠を提示する。
  論文  参考訳（メタデータ） (2020-07-29T03:33:18Z)
• Improving Multi-Turn Response Selection Models with Complementary Last-Utterance Selection by Instance Weighting [84.9716460244444]
  我々は、データリソース自体の根底にある相関を利用して、異なる種類の監視信号を導出することを検討する。 2つの公開データセットで広範な実験を行い、両方のデータセットで大幅に改善した。
  論文  参考訳（メタデータ） (2020-02-18T06:29:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。