Copertina

Synthetic Tabular Data Generation for Imbalanced Classification: The Surprising Effectiveness of an Overlap Class

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	D'souza, Annie, M, Swetha, Sarawagi, Sunita
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Synthetic Tabular Data Generation for Class Imbalance and Fairness: A Comparative Study
di: Panagiotou, Emmanouil, et al.
Pubblicazione: (2024)

From Search To Sampling: Generative Models For Robust Algorithmic Recourse
di: Garg, Prateek, et al.
Pubblicazione: (2025)

Efficient Training of Language Models with Compact and Consistent Next Token Distributions
di: Sathe, Ashutosh, et al.
Pubblicazione: (2024)

TFMAdapter: Lightweight Instance-Level Adaptation of Foundation Models for Forecasting with Covariates
di: Dange, Afrin, et al.
Pubblicazione: (2025)

CARTGen-IR: Synthetic Tabular Data Generation for Imbalanced Regression
di: Pinheiro, António Pedro, et al.
Pubblicazione: (2025)

EPIC: Effective Prompting for Imbalanced-Class Data Synthesis in Tabular Data Classification via Large Language Models
di: Kim, Jinhee, et al.
Pubblicazione: (2024)

Correcting Class Imbalance in Prior-Data Fitted Networks for Tabular Classification
di: McDowell, Samuel, et al.
Pubblicazione: (2026)

Masked Diffusion Models are Secretly Learned-Order Autoregressive Models
di: Garg, Prateek, et al.
Pubblicazione: (2025)

PairNet: Training with Observed Pairs to Estimate Individual Treatment Effect
di: Nagalapatti, Lokesh, et al.
Pubblicazione: (2024)

Continuous Treatment Effect Estimation Using Gradient Interpolation and Kernel Smoothing
di: Nagalapatti, Lokesh, et al.
Pubblicazione: (2024)

Robust Root Cause Diagnosis using In-Distribution Interventions
di: Nagalapatti, Lokesh, et al.
Pubblicazione: (2025)

Training In-Context and In-Weights Mixtures Via Contrastive Context Sampling
di: Malu, Deeptanshu, et al.
Pubblicazione: (2026)

Leveraging a Simulator for Learning Causal Representations from Post-Treatment Covariates for CATE
di: Nagalapatti, Lokesh, et al.
Pubblicazione: (2025)

Robust-GBDT: GBDT with Nonconvex Loss for Tabular Classification in the Presence of Label Noise and Class Imbalance
di: Luo, Jiaqi, et al.
Pubblicazione: (2023)

FASTGEN: Fast and Cost-Effective Synthetic Tabular Data Generation with LLMs
di: Nguyen, Anh, et al.
Pubblicazione: (2025)

Treasure Hunt: Real-time Targeting of the Long Tail using Training-Time Markers
di: D'souza, Daniel, et al.
Pubblicazione: (2025)

Privacy-Preserving Tabular Synthetic Data Generation Using TabularARGN
di: Sidorenko, Andrey, et al.
Pubblicazione: (2025)

TAEGAN: Generating Synthetic Tabular Data For Data Augmentation
di: Li, Jiayu, et al.
Pubblicazione: (2024)

Hierarchical Conditional Tabular GAN for Multi-Tabular Synthetic Data Generation
di: Ågren, Wilhelm, et al.
Pubblicazione: (2024)

SALSA: Speedy ASR-LLM Synchronous Aggregation
di: Mittal, Ashish, et al.
Pubblicazione: (2024)

Diffusion Models for Tabular Data Imputation and Synthetic Data Generation
di: Villaizán-Vallelado, Mario, et al.
Pubblicazione: (2024)

CTTVAE: Latent Space Structuring for Conditional Tabular Data Generation on Imbalanced Datasets
di: Devic, Milosh, et al.
Pubblicazione: (2026)

A Comprehensive Survey of Synthetic Tabular Data Generation
di: Shi, Ruxue, et al.
Pubblicazione: (2025)

Class-Dependent Hybrid Data Augmentation for Multiclass Migraine Classification under Severe Class Imbalance
di: Somón, Elvin, et al.
Pubblicazione: (2026)

Node-private community estimation in stochastic block models: Tractable algorithms and lower bounds
di: Marchis, Laurentiu, et al.
Pubblicazione: (2026)

Structured Evaluation of Synthetic Tabular Data
di: Yang, Scott Cheng-Hsin, et al.
Pubblicazione: (2024)

Diffusion-Driven Synthetic Tabular Data Generation for Enhanced DoS/DDoS Attack Classification
di: B, Aravind, et al.
Pubblicazione: (2026)

VIGraph: Generative Self-supervised Learning for Class-Imbalanced Node Classification
di: Hu, Yulan, et al.
Pubblicazione: (2023)

Balanced Data, Imbalanced Spectra: Unveiling Class Disparities with Spectral Imbalance
di: Kaushik, Chiraag, et al.
Pubblicazione: (2024)

Evaluating Inter-Column Logical Relationships in Synthetic Tabular Data Generation
di: Long, Yunbo, et al.
Pubblicazione: (2025)

Synthetic Tabular Data Generation: A Comparative Survey for Modern Techniques
di: Challagundla, Raju, et al.
Pubblicazione: (2025)

Evaluating Synthetic Tabular Data Generated To Augment Small Sample Datasets
di: Marin, Javier
Pubblicazione: (2022)

CuTS: Customizable Tabular Synthetic Data Generation
di: Vero, Mark, et al.
Pubblicazione: (2023)

Data-Free Generative Replay for Class-Incremental Learning on Imbalanced Data
di: Younis, Sohaib, et al.
Pubblicazione: (2024)

Highly Imbalanced Regression with Tabular Data in SEP and Other Applications
di: Moukpe, Josias K., et al.
Pubblicazione: (2025)

How Realistic Is Your Synthetic Data? Constraining Deep Generative Models for Tabular Data
di: Stoian, Mihaela Cătălina, et al.
Pubblicazione: (2024)

An Autoencoder and Generative Adversarial Networks Approach for Multi-Omics Data Imbalanced Class Handling and Classification
di: Al-Hurani, Ibrahim, et al.
Pubblicazione: (2024)

TILBench: A Systematic Benchmark for Tabular Imbalanced Learning Across Data Regimes
di: Liu, Ruizhe, et al.
Pubblicazione: (2026)

Tabular Data with Class Imbalance: Predicting Electric Vehicle Crash Severity with Pretrained Transformers (TabPFN) and Mamba-Based Models
di: Somvanshi, Shriyank, et al.
Pubblicazione: (2025)

IceBerg: Debiased Self-Training for Class-Imbalanced Node Classification
di: Li, Zhixun, et al.
Pubblicazione: (2025)