high-dimensional-data

本文介绍了GOTabPFN，一种结合了图引导排序与局部精炼（GO-LR）及神经启发子单元压缩（NSC）的方法，使得小型表格基础模型能够在无需重新训练大型骨干网络的情况下，有效进行高维低样本量预测。

AdaGraph是一种图原生聚类算法，在kNN图拓扑结构内运行，以克服维度灾难，并通过结构中心机器学习范式在基因组学、自然语言处理和材料科学领域得到验证。

RSNet 是一个开源 R 包，提供了基于重采样的框架，用于在高维数据中进行稳健且可解释的网络推断，支持偏相关网络和条件高斯贝叶斯网络，并包含图元基元拓扑分析。