统一框架：任务感知缺失值插补研究

研究提出一个将缺失值视为任务条件优化变量的统一框架，并在“训练与测试均缺失”和“仅训练数据不完整”两种设定下分别采用摊销方法与隐变量优化方法。论文称，在98个表格数据集上评测、36个数据集上评估训练-测试不匹配鲁棒性后发现，重建误差难以代理预测效用（Spearman rho约0.16至0.32）。 作者称，任务感知插补在经典方法失效的场景中胜率最高达80%。该结论来自研究团队的实验评测，尚未经独立复现。

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。