OpenFE: Automated Feature Generation beyond Expert-level Performance

论文标题:OpenFE: Automated Feature Generation beyond Expert-level Performance
代码地址:https://github.com/ZhangTP1996/OpenFE
作者列表:Tianping Zhang, Zheyu Zhang, Zhiyuan Fan, Haoyan Luo, Fengyuan Liu, Wei Cao, Jian Li
发表时间:22 Nov 2022
摘要
自动特征生成的目标是将机器学习专家从手动特征生成的繁重任务中解放出来,这对于提高表格数据的学习性能至关重要。 自动特征生成的主要挑战是从大量候选特征中高效准确地识别有用的特征。
在本文中,我们介绍了OpenFE,这是一种自动特征生成工具,可提供与机器学习专家竞争的结果。OpenFE通过两个组件实现效率和准确性:1) 一种新颖的特征增强方法,用于准确估计候选特征的增量性能。 2)一个特征评分框架,用于通过连续的特征减半和特征重要性归因从大量候选者中检索有效特征。
对七个基准数据集的大量实验表明,O
OpenFE是一种自动特征生成工具,旨在准确高效地识别有用特征,达到与专家手工特征生成相当的性能。它通过特征增强方法和评分框架减少特征选择的计算成本。实验表明,OpenFE在多个基准数据集和Kaggle竞赛中表现出色,证明了自动化特征生成的竞争力。
订阅专栏 解锁全文
465

被折叠的 条评论
为什么被折叠?



