[討論] 結構性資料如何增強

看板DataScience作者 (好吃burger)時間4年前 (2020/05/18 02:05), 4年前編輯推噓4(4推 0噓 7→)
留言11則, 3人參與, 4年前最新討論串1/1
如題， 最近在研究mixmatch這個半監督式學習方法， 想嘗試用在結構性資料上。 但其中對於資料增強的應用有些困惑， 圖像的資料增強有很多方法， 但結構性的資料增強方法除了隨機雜訊以外好像就沒有了。 有人可能會說SMOTE這個方法， 不過那個跟我要的不太一樣， 我是想要類似增強完後還是能夠視作同一樣本的方法， 並非創造新樣本。 想請問大家有甚麼想法qq 非常感謝 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 27.242.107.39 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/DataScience/M.1589738718.A.E1E.html ※ 編輯: zxc741qaz123 (27.242.107.39 臺灣), 05/18/2020 02:06:14 ※ 編輯: zxc741qaz123 (27.242.107.39 臺灣), 05/18/2020 02:25:12
推
05/20 12:35, 4年前 , 1F
最近有看到這篇 https://reurl.cc/xZK4AN
05/20 12:35, 1F
→
05/20 12:35, 4年前 , 2F
GAN 應用於 Tabular data 上，不過其實我不大確定是
05/20 12:35, 2F
→
05/20 12:37, 4年前 , 3F
不是你要的？即使圖像的資料增強後，也不見得會被視作
05/20 12:37, 3F
→
05/20 12:37, 4年前 , 4F
同一樣本吧？
05/20 12:37, 4F
mixmatch 是需要的，他要強調輸出的一致性
→
05/20 17:19, 4年前 , 5F
05/20 17:19, 5F
推
05/23 00:25, 4年前 , 6F
也可以考慮 weak supervision 的方式
05/23 00:25, 6F
→
05/23 00:25, 4年前 , 7F
嘗試看看 snorkel
05/23 00:25, 7F
感謝上面幾位大大回應， 我有新的成果會再回文更新 ※ 編輯: zxc741qaz123 (27.52.104.154 臺灣), 05/23/2020 16:02:06 ※ 編輯: zxc741qaz123 (27.52.104.154 臺灣), 05/23/2020 16:04:07 ※ 編輯: zxc741qaz123 (27.52.104.154 臺灣), 05/23/2020 16:05:00
推
05/25 13:28, 4年前 , 8F
感謝 bruce 大的分享，最近剛好在研究Crowdsourcing資
05/25 13:28, 8F
→
05/25 13:29, 4年前 , 9F
料分類的問題，感覺可用skorkel試試
05/25 13:29, 9F
推
05/25 13:49, 4年前 , 10F
另外感謝原PO回覆，之前看Ian寫的 MixMatch 論文時沒
05/25 13:49, 10F
→
05/25 13:51, 4年前 , 11F
注意到 data augmentation 的限制，期待您後續成果:-)
05/25 13:51, 11F
‣ 更多 zxc741qaz123 的文章
文章代碼(AID): #1UmNpUuU (DataScience)