【标题】Feature and Instance Joint Selection: A Reinforcement Learning Perspective

【作者团队】Wei Fan, Kunpeng Liu, Hao Liu, Hengshu Zhu, Hui Xiong, Yanjie Fu

【发表日期】2022.5.12

【论文链接】https://arxiv.org/pdf/2205.07867.pdf

【推荐理由】特征选择和实例选择是数据处理的两种重要技术。然而，这些选择大多是单独研究的，而现有的联合选择工作是粗略地进行特征/实例选择；因此忽略了特征空间和实例空间之间潜在的细粒度交互。为了应对这一挑战，本文提出了一种强化学习解决方案来完成联合选择任务，同时捕捉每个特征的选择与每个实例之间的交互。特别是，顺序扫描机制被设计为智能体的动作策略，并使用协作变化的环境来增强智能体协作。此外，交互式范式引入了先验选择知识，以帮助代理进行更有效的探索。最后，在真实世界数据集上的大量实验已经证明了改进的性能。


内容中包含的图片若涉及版权问题，请及时与我们联系删除