Hybrid Deep-Ensemble Network with VAE-Based Augmentation for Imbalanced Tabular Data Classification

doi:10.3390/app151910360

2025-09-24

Sang-Jeong Lee

You-Suk Bae *

DOI：10.3390/app151910360

原文链接

查看原文

摘要

En 中文

背景：严重的类别不平衡限制了制造、金融和医疗领域可靠的表格AI应用。方法：我们构建了一个模块化流水线，包括相关性感知排序；混合卷积神经网络（CNN）-Transformer-双向长短期记忆（BiLSTM）编码器；基于变分自编码器（VAE）的少数类增强；以及深度/树集成头（XGBoost和SVM支持向量机）。我们在相同协议下对SMOTE和ADASYN进行了基准测试。根据数据集调整焦点损失和集成权重。主要指标为精确率-召回率曲线下面积（AUPRC），以受试者工作特征曲线下面积（ROC AUC）为补充指标。合成数据保真度通过训练于合成数据/测试于真实数据（TSTR）效用、双样本可区分性（真实与合成分类器的ROC AUC）和最大均值差异（MMD2）进行量化。结果：在五个数据集（SECOM、CREDIT、THYROID、APS和UCI）上，增强方法与数据相关：VAE在APS上表现最佳（AUPRC提升3.66个百分点，优于SMOTE），在CREDIT上具有竞争力（AUPRC提升0.10个百分点，优于无增强）；SMOTE在SECOM上占优；无增强方法在THYROID和UCI上表现最佳。位置嵌入（PE）与排序在存在强局部相关性时有所帮助。集成方法通常偏好XGBoost，同时受益于混合编码器。效率分析和精简变体支持低延迟应用。结论：出现了一种数据感知策略：当保真度高时优先选择VAE，在更平滑的少数类流形上使用SMOTE，当基线方法足够时无需增强；选择性应用PE/排序，并按数据集调整以实现稳健且可复现的部署。

Keyword:

imbalanced learning

variational autoencoder

ensemble learning

CNN-transformer-BiLSTM

focal loss

tabular data