TailBooster：带有运行有效性约束的双层极值数据增强生成框架
TailBooster是一种生成式框架，用于为航空运输中的罕见极端事件生成合成表格数据，例如严重到达延误和异常飞行时间。统计层将训练重点放在分布尾部的极值上，基于自编码器的深度学习层则会过滤违反运行规律的合成记录，例如长距离航线对应过短飞行时间。基于美国航班数据的评估显示，该方法提高了数据的运行有效性和极端事件预测能力。与传统合成数据相比，极端飞行时间预测的平均绝对误差降低47%至49%，极端到达延误预测的误差降低29%至57%。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。