迈向数据为中心的人工智能：针对表格数据转换的传统方法、强化学习和生成式方法的全面调查

《ACM Transactions on Knowledge Discovery from Data》：Towards Data-Centric AI: A Comprehensive Survey of Traditional, Reinforcement, and Generative Approaches for Tabular Data Transformation

表格数据在金融、医疗和营销等领域应用广泛，提升数据质量对AI模型性能至关重要。本文系统综述了表格数据-centric AI的核心方法，重点分析特征选择与生成技术，总结现有方法优势与局限，并探讨开放挑战与未来方向。

　　

摘要人工智能摘要

要查看此由人工智能生成的摘要，您必须具有高级访问权限。

了解更多登录

摘要

摘要

表格数据是各行各业中最广泛使用的格式之一，在金融、医疗保健和市场营销等领域发挥着关键作用。在以数据为中心的人工智能时代，提高数据质量和表示形式对于提升模型性能至关重要，尤其是在涉及表格数据的应用中。本调查探讨了以表格数据为中心的人工智能的关键方面，强调了特征选择和特征生成作为数据空间优化的重要技术。我们系统地回顾了特征选择方法（这些方法能够识别并保留最相关的数据属性）以及特征生成方法（这些方法可以创建新特征以简化复杂数据模式的捕捉）。通过分析最新进展、实际应用以及这些技术的优势和局限性，本调查提供了当前方法的全面概述。最后，我们指出了存在的挑战，并提出了未来发展的方向，以激发该领域的持续创新。

人工智能摘要

人工智能生成的摘要（实验性)

该摘要是由自动化工具生成的，并非由文章作者编写或审核。它旨在帮助读者发现研究内容、评估其相关性，并协助来自相关研究领域的读者理解本文的研究成果。它是对作者提供的摘要的补充，而作者提供的摘要仍是论文的正式摘要。完整文章才是权威版本。点击此处了解更多。

点击此处对摘要的准确性、清晰度和实用性进行评论。您的反馈将有助于改进未来的版本。

要查看此由人工智能生成的通俗语言摘要，您必须具有高级访问权限。