Buchumschlag

CARTGen-IR: Synthetic Tabular Data Generation for Imbalanced Regression

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Pinheiro, António Pedro, Ribeiro, Rita P.
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Histogram Approaches for Imbalanced Data Streams Regression
von: Aminian, Ehsan, et al.
Veröffentlicht: (2025)

Synthetic Tabular Data Generation for Imbalanced Classification: The Surprising Effectiveness of an Overlap Class
von: D'souza, Annie, et al.
Veröffentlicht: (2024)

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

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

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

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

TabularARGN: A Flexible and Efficient Auto-Regressive Framework for Generating High-Fidelity Synthetic Data
von: Tiwald, Paul, et al.
Veröffentlicht: (2025)

Mixture Experts with Test-Time Self-Supervised Aggregation for Tabular Imbalanced Regression
von: Wang, Yung-Chien, et al.
Veröffentlicht: (2025)

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

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

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

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

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

SMOGAN: Synthetic Minority Oversampling with GAN Refinement for Imbalanced Regression
von: Alahyari, Shayan, et al.
Veröffentlicht: (2025)

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

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

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

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

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

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

NCART: Neural Classification and Regression Tree for Tabular Data
von: Luo, Jiaqi, et al.
Veröffentlicht: (2023)

Accurate and Robust Generative Approach for Overcoming Data Sparsity and Imbalance in Landslide Modeling with A Tabular Foundation Model
von: Shao, Kaixuan, et al.
Veröffentlicht: (2026)

Diffusion Transformers for Tabular Data Time Series Generation
von: Garuti, Fabrizio, et al.
Veröffentlicht: (2025)

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

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

Is API Access to LLMs Useful for Generating Private Synthetic Tabular Data?
von: Swanberg, Marika, et al.
Veröffentlicht: (2025)

Risk In Context: Benchmarking Privacy Leakage of Foundation Models in Synthetic Tabular Data Generation
von: Byun, Jessup, et al.
Veröffentlicht: (2025)

Synthetic Tabular Data: Methods, Attacks and Defenses
von: Cormode, Graham, et al.
Veröffentlicht: (2025)

Privacy-Preserving Fair Synthetic Tabular Data
von: Sarmin, Fatima J., et al.
Veröffentlicht: (2025)

Robust Spectral Watermark for Synthetic Tabular Data
von: Zhao, Yizhou, et al.
Veröffentlicht: (2025)

Diffusion-nested Auto-Regressive Synthesis of Heterogeneous Tabular Data
von: Zhang, Hengrui, et al.
Veröffentlicht: (2024)

Benchmarking Tabular Foundation Models for Conditional Density Estimation in Regression
von: Izbicki, Rafael, et al.
Veröffentlicht: (2026)

Imbalanced Regression Pipeline Recommendation
von: Avelino, Juscimara G., et al.
Veröffentlicht: (2025)

FEST: A Unified Framework for Evaluating Synthetic Tabular Data
von: Niu, Weijie, et al.
Veröffentlicht: (2025)

Memisis: Orchestrating and Evaluating Synthetic Data for Tabular Health Datasets
von: Nagesh, Nitish, et al.
Veröffentlicht: (2026)

Generating Synthetic Relational Tabular Data via Structural Causal Models
von: Hoppe, Frederik, et al.
Veröffentlicht: (2025)

What's Wrong with Your Synthetic Tabular Data? Using Explainable AI to Evaluate Generative Models
von: Kapar, Jan, et al.
Veröffentlicht: (2025)

Hierarchical Synthetic Tabular Data Generation: A Hybrid Top-Down and Bottom-Up Framework
von: Nie, Junfeng, et al.
Veröffentlicht: (2026)

Imbalance in Regression Datasets
von: Kowatsch, Daniel, et al.
Veröffentlicht: (2024)

Differentially Private Linear Regression and Synthetic Data Generation with Statistical Guarantees
von: Lin, Shurong, et al.
Veröffentlicht: (2025)