CAFE以因果强化学习自动构造特征

Arun Vignesh Malarkkan、Wangyang Ying和Yanjie Fu提出CAFE，将自动特征工程建模为因果引导的序贯决策过程，并用多智能体强化学习构造特征；论文报告称，该方法在15个公开基准上显著优于最强自动特征工程基线（Wilcoxon检验p<0.001）。 在受控协变量偏移和自然分布偏移（Folktables）下，论文报告称，CAFE相较非因果多智能体基线最多可将分布外性能下降降低4倍，同时生成更紧凑的特征集，并得到更稳定的事后归因结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。