09:08
官方账号arXiv cs.LG@Zi-Jian Cheng, Zi-Yi Jia, Zhi Zhou, Yu-Feng Li, Lan-Zhe Guo
精选73°
推荐理由：SymboLLM-FE用符号回归+少量LLM调用，解决了表格数据特征工程的可解释性和效率问题，比现有方法更实用。
SymboLLM-FE
共 1 条相关 AI 资讯
8月31日
09:08
SymboLLM-FE结合符号回归与大型语言模型，在6个真实数据集和4个Kaggle竞赛中表现优于现有AutoFE方法。该模型通过符号回归提取与目标强相关的数学公式，再利用LLM的丰富先验知识进行优化，确保特征可解释性。SymboLLM-FE采用基于统计先验的LLM优化机制，仅需个位数次的LLM调用即可解决传统AutoFE的可解释性差和迭代次数多的问题。