摘要
针对表格学习中的自动特征工程(AutoFE)问题,现有基于大语言模型(LLM)的方法受限于无状态生成和同质化搜索。本文提出 TopoFE,一种拓扑感知的多岛进化框架。该方法结合家族专用探索、自适应提示记忆及拓扑引导的知识迁移,旨在高效发现多样化且可组合的特征程序。在 29 个数据集上的实验表明,TopoFE 在分类和回归任务上均优于最先进方法,并能发现更具泛化性的特征程序。
AI 推荐理由
论文提出多岛进化框架,核心在于利用进化算法和自适应记忆实现特征工程的自我迭代与优化。
研究机构
Department of Computer Science, Virginia Tech, Blacksburg, VA 24606
Department of Computer Science, Virginia Tech, Alexandria, VA 22305
论文信息