FeatGeNN：基于相关性特征提取的表格数据模型性能改进
原文中文，约300字，阅读约需1分钟。发表于：。自动特征工程（AutoFE）是任何机器学习项目的重要任务，可以帮助改善模型性能并为统计分析提供更多信息。为了解决当前 AutoFE 方法中存在的手动特征创建和特征数量过多问题，我们提出了一种基于相关性的卷积方法 ——FeatGeNN。我们在各种基准数据集上评估了我们的方法，并证明 FeatGeNN 在模型性能方面优于现有的 AutoFE...
自动特征工程（AutoFE）是改善模型性能和提供更多信息的重要任务。提出了基于相关性的卷积方法FeatGeNN，解决了手动特征创建和特征数量过多的问题。在基准数据集上评估了该方法，证明其在模型性能方面优于现有的AutoFE方法。结果显示，基于相关性的池化可成为AutoFE中替代max-pooling的有前景选择。
