查尔姆斯理工大学 发布 AFABench 数据集, 应用在 主动特征获取、算法基准测试 领域

查尔姆斯理工大学 本次发布的数据集 AFABench, AFABench是一个用于基准测试主动特征获取（AFA）的通用框架。它包括了一系列合成和真实世界的数据集，支持广泛的获取策略，并提供了模块化设计，便于集成新的方法和任务。该框架实现了并评估了来自所有主要类别的代表性算法，包括静态、贪婪和基于强化学习的策略。为了测试AFA策略的预测能力，引入了一个新的合成数据集AFAContext，旨在暴露贪婪选择的局限性。

查看AFABench

README 内容： 

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。