增益 swMATH ID: 33872 软件作者: Jinsung Yoon、James Jordon、Mihaela van der Schaar 描述: 增益:使用生成对抗网进行缺失数据插补。我们提出了一种新的缺失数据插补方法,该方法采用了著名的生成对抗网(GAN)框架。因此,我们将该方法称为生成对抗插补网(GAIN)。生成器(G)观察实际数据向量的某些分量,根据实际观察到的内容插补缺失的分量,并输出一个完整的向量。然后,鉴别器(D)获取一个完整的向量,并尝试确定哪些成分是实际观察到的,哪些是插补的。为了确保D强制G学习所需的分布,我们以提示向量的形式向D提供一些附加信息。这个提示向D揭示了关于原始样本缺失的部分信息,D用它来关注特定成分的插补质量。这个提示确保了G实际上学会了根据真实的数据分布进行生成。我们在各种数据集上测试了我们的方法,发现GAIN大大优于最先进的插补方法。 主页: https://arxiv.org/abs/1806.02920 相关软件: 老鼠;Wasserstein甘;miss森林;像素x像素;CycleGAN公司;米斯甘;亚当;MDA错误;ml台架;4.5条;Iscores公司;InfoGAN公司;剪影;softImpute软件;AS 136标准;UCI-毫升;MNIST公司;k平均值++;字母;CollaGAN公司 引用于: 11文件 全部的 前5名45位作者引用 2 艾哈迈德·阿拉(Ahmed M.Alaa)。 2 米哈埃拉·范德沙尔 1 费利克斯·比斯曼 1 蔡祥瑞 1 乌卡斯·德隆 1 邓格雷斯 1 丁晓科 1 阿里·埃尔科尔 1 安德烈斯·弗洛托 1 帕特里克·加里纳利 1 亚历山大·吉姆森 1 郭文雅 1 韩翠泽 1 丹尼尔·贾勒特(Daniel P.Jarrett)。 1 马蒂厄·柯奇梅耶 1 安娜·科扎克 1 达斯汀·兰格 1 李兆文 1 梁家辉 1 彼得罗·利奥 1 阿明·曼特拉奇 1 大卫·S·马特森。 1 伊恩·麦金尼 1 尼古拉·明绍森 1 洛丽斯·米歇尔 1 杰弗里·纳夫 1 普拉提克·奈杜 1 钱、赵志 1 阿兰·阿科托马蒙杰 1 塔姆莫·鲁卡特 1 戴维·萨利纳斯 1 谢尔特,塞巴斯蒂安 1 菲利普·施密特 1 斯特凡·肖尔特斯 1 宋宪民 1 宋燕 1 梅塔·利纳·斯波恩 1 陶鹏飞 1 安德烈·塔普图诺夫 1 王玉峰 1 安吉拉·伍德。 1 杨敏 1 袁晓杰 1 张颖 1 周宝航 全部的 前5名8篇连载文章中引用 2 信息科学 2 机器学习 2 数据挖掘与知识发现 1 物理A 1 神经网络 1 机器学习研究杂志(JMLR) 1 ASTIN公告 1 应用统计学年鉴 在4个字段中引用 8 计算机科学(68至XX) 7 统计学(62-XX) 1 统计力学,物质结构(82-XX) 1 博弈论、经济学、金融和其他社会和行为科学(91-XX) 按年份列出的引文