Feature Engineering
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 1
- 평가표
- 1
- 보존된 평가 기록
- 1
Feature engineering is the process of taking a dataset and constructing explanatory variables — features — that can be used to train a machine learning model for a prediction problem. Often, data is spread across multiple tables and must be gathered into a single table with rows containing the observations and features in the columns.
The traditional approach to feature engineering is to build features one at a time using domain knowledge, a tedious, time-consuming, and error-prone process known as manual feature engineering. The code for manual feature engineering is problem-dependent and must be re-written for each new dataset.
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
대규모 소매 수요 예측을 위한 정확도 보존형 안정성 정규화
예측에서 협업으로: 상호작용형 기호 음악 분석
이야기 기대 모델링: LLM을 이용한 생성형 프레임워크
Propheticus: 신뢰할 수 있고 안전한 소프트웨어를 위한 예측 모델 개발 머신러닝 프레임워크
실현 가능 오염 하의 고차원 가우스 평균 추정
불완전성 재고: 견고한 IMVC를 위한 프로토콜 분기와 단일 학습 정식화
미국 고고도 맑은 공기 난기류(CAT) 예측 모델링: 기계학습 접근법
플라즈마 진단 모델의 센서 견고성 벤치마킹: TokaMark에서의 체계적 평가
Proximity Features: Airbnb의 개인정보 준수 콜드 스타트 개인화
상호작용 인식 전문가 혼합(MoE)을 통한 구조화된 건강 데이터 이해
사후 및 모델 내 불확실성을 반영한 학습 기반 확률적 부하 예측
Deep4ge: 결함 탐지 및 진단을 위한 DNN 학습 궤적
보간 없는 물리 기하 인식 라디오믹스: CT 및 MRI에서 복셀 기하와 신호 변화의 분리
대뇌 혈류 속도와 머신러닝 알고리즘을 이용한 뇌 혈관 연령 예측
LLM 기반 코드 진화를 통한 인지적 알파 발굴
SPORT: 불완전 다중 뷰 클러스터링을 위한 구조 인식 프로토타입 분리
방송 기반 공간 풋볼 분석을 위한 학습 불필요 화면 밖 선수 대치
데이터 기반 통신 마케팅 최적화: 머신러닝 기반 이탈 예측 및 고객 세분화 프레임워크
결측 데이터 처리를 위한 패턴 인식 그래프 신경망
부분 관측 행동을 갖는 확률적 선형 밴딧
임베딩을 넘어서: 바이너리 코드 유사성을 위한 해석 가능한 특징 추출
양반정 커널 밀도 추정을 통한 분포 충실 결측값 대체
SHIFT: 불완전하고 이질적인 유전체 데이터로부터의 생존 예측
ImputeViz: 결측 데이터 진단 및 대체 방법 비교를 위한 시각적 분석 대시보드
시간적 변분 암묵 신경 표현
MambaGaze: 시선 추적 데이터를 활용한 인지 부하 평가를 위한 명시적 결측 데이터 모델링을 갖춘 양방향 Mamba
외생 드롭아웃: 공변량을 활용한 손상 강건 시계열 예측을 위한 단순하고 강력한 기준선
SafeImpute: 순응적 선택을 통한 신뢰할 수 있는 임상 데이터 대체 보정
Heckman-Corrected Epistemic Uncertainty: Selection on Unobservables Defeats Importance Weighting
질감 대위법에서 특징 인코딩으로: 전기음향 분석을 통합한 하이든 "종달새" 사중주의 다차원 기계 표현 연구
신뢰할 수 있는 산업 공정 추론을 위한 대규모 언어 모델 기반 측정 신뢰도 보정
Emputation: 식별-유도 신경망 대입 프레임워크
결측을 신호로: 임상 시계열 예측을 위한 채널 독립 스펙트로그램 학습
디지털 트윈의 시계열 인식을 위한 모듈형 파운데이션 모델
ImputeECG: 심장 평가를 위한 불완전 기록으로부터 완전한 12유도 심전도를 복원하는 심층 학습 방법
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.