——基于结构化状态空间模型的特征增量学习框架

摘要
本文提出MambaTab，一种基于结构化状态空间模型（SSM）的表格数据处理框架。通过创新的嵌入稳定化设计与轻量化SSM架构，MambaTab在普通监督学习和特征增量学习场景中均表现优异，参数规模仅为Transformer基线的1%，同时实现更高的预测精度与更强的特征扩展性。实验验证其在8个公开数据集上的平均AUROC超越SOTA模型1.2-5.7个百分点，为工业级表格数据处理提供高效解决方案。

关键词：表格数据；结构化状态空间模型；特征增量学习；轻量级架构；自监督预训练

一、范式革新：从固定特征到动态扩展

1.1 表格数据的现实挑战

在金融风控（如Credit-g）、医疗诊断（如Ionosphere）等领域，表格数据常面临特征动态增长（如新增传感器指标、合规字段）与计算资源受限（如边缘设备部署）的双重挑战。传统方法（XGBoost、TabNet）依赖固定特征集，Transformer类模型（TabTransformer）参数量爆炸（如FT-Trans在Ionosphere需193K参数），均难以满足实时扩展与轻量化需求。

1.2 增量学习的破局思路

MambaTab提出维度稳定嵌入（Dimension-Stable Embedding）机制，通过全连接层+层归一化，确保新增特征时嵌入维度不变（如图1左侧）。结合结构化状态空间模型的上下文选择性，首次实现无需架构调整的特征动态扩展，突破"特征增删=模型重构"的传统范式。

二、架构解析：从预处理到预测的极简链路

2.1 标准化预处理流水线（图1左）

• 特征统一：二值/类别特征序数编码，数值特征众数填充+Min-Max归一化（公式1）
• 维度对齐：全连接层将异构特征映射为32维稳定嵌入（默认），层归一化替代批归一化保障增量稳定性

2.2 核心模块：上下文感知SSM（图1右）

$$\frac{dh(t)}{dt}=Ah(t)+Bu(t),x(t)=Ch(t)$$
通过离散化采样（公式2），引入输入依赖的时变矩阵$B(t)、C(t)$，使SSM具备内容选择性遗忘能力。对比Transformer的O(n²)复杂度，SSM的线性复杂度使其在长序列特征（如100+字段）中保持高效。

2.3 轻量化预测头

Mamba输出经残差连接后，单FC层映射至二分类概率（sigmoid激活），总参数量仅13K（默认配置），约为TabTrans的0.3%。

三、MambaTab方法详解

3.1 数据预处理

对于表格数据集 { F i , y i } i = 1 m \{F_{i}, y_{i}\}_{i = 1}^{m} {Fi​,yi​}i=1m​，其中 F i = { v i , j } j = 1 n F_{i}=\{v_{i, j}\}_{j = 1}^{n} Fi​={vi,j​}j=1n​表示第$i$个样本的特征， y i ∈ { 0 , 1 } y_{i} \in \{0,1\} yi​∈{0,1}是相应标签，$v_{i,j}$可以是分类、二进制或数值型数据。MambaTab将二进制和分类特征都视为分类特征，使用序数编码器进行编码。对于数值特征保持不变，并通过填充众数处理缺失值。在将数据输入模型前，利用最小 - 最大缩放将$v_{i,j}$的值归一化到$[0,1]$，公式为：
$$v_{i,j}^{\prime }=\frac{v_{i,j}-{\min }_{i,j=1}^{i=n,j=m}(v_{i,j})}{{\max }_{i,j=1}^{i=n,j=m}(v_{i,j})-{\min }_{i,j=1}^{i=n,j=m}(v_{i,j})}$$

3.2 嵌入表示学习

预处理后的数据通过全连接层学习嵌入表示。这一步骤至关重要，它能够提供更有意义的表示作为后续模型的输入。同时，嵌入表示学习器可以使模型直接从特征中学习多维表示，避免依赖强加的顺序。此外，在特征增量学习过程中，它能确保下游Mamba模块在训练和测试时的输入特征维度一致。为了保持表示的稳定性，使用层归一化而非批归一化。

特征增量学习设置说明。尽管大多数现有的方法仅能够从一组固定的特征中进行学习，但MambaTab以及现有的TransTab方法却能够在增量特征设置下进行学习。在此，特征集i（其中i = 1, 2, 3）是逐步添加了特征的。特征集X代表测试数据的特征集。

3.3 MambaTab模型构建

经过层归一化的嵌入表示，先经过ReLU激活函数，然后输入到Mamba模块。Mamba模块内部，两个分支的全连接层分别计算线性投影$L{P}_1$和$L{P}_2$。$L{P}_1$的输出经过一维因果卷积和SiLU激活函数后，进入结构化状态空间模型（SSM）。

连续时间的SSM是一个一阶常微分方程组：
$$\frac{dh(t)}{dt}=Ah(t)+Bu(t),x(t)=Ch(t)$$
其中，$h(t)$是$N$维的潜在状态（$N$为状态扩展因子），$u(t)$是$D$维的输入（$D$为维度因子或通道数），$x(t)$通常取一维，$A$、$B$、$C$是相应的系数矩阵。

通过时间采样，得到离散版本的SSM：
$$h_k=\overline{A}{h}_{k-1}+\overline{B}{u}_k,x_k=C{h}_k$$
其中，$h_k$、$u_k$、$x_k$分别是$h(t)$、$u(t)$、$x(t)$在时间$k\Delta$的样本，$\overline{A}=\exp (\Delta A)$，$\overline{B}=(\Delta A{)}^{-1}(\exp (\Delta A)-I)\Delta B$ 。

Mamba中，$B$、$C$和$\Delta$是依赖于输入的线性时变函数。这种设计使得SSM具有上下文和输入选择性，帮助Mamba模块在长输入标记序列中选择性地传播或遗忘信息。最后，SSM的输出与$S(L{P}_2)$进行乘法调制，再经过全连接投影，从而实现基于内容的特征提取和长程依赖及特征交互的推理。

3.4 输出预测

Mamba模块的输出经过连接后，通过全连接层投影到“批量×1”的维度，得到预测对数几率$y_i^{\prime }$。再通过sigmoid激活函数：
$$sigmoid(y_i^{\prime })=\frac{1}{1+\exp (-y_i^{\prime })}$$
得到预测概率分数，用于计算受试者工作特征曲线下面积（AUROC）和二元交叉熵损失。

四、实验设置与结果

4.1 实验设置

为了全面评估MambaTab的性能，使用了8个不同的公共数据集，包括Credit - g（CG）、Credit - approval（CA）等。将这些数据集按照70%训练集、10%验证集、20%测试集的比例进行划分。

在实现细节上，遵循简单的预处理方法，避免手动干预和调优。训练时，使用Adam优化器和余弦退火学习率调度器，初始学习率为$1e^{-4}$，训练1000个epoch，提前停止的耐心值设为5。MambaTab的默认超参数设置为：嵌入表示大小（长度） = 32，SSM状态扩展因子（$N$） = 32，局部卷积宽度（$d_{conv}$） = 4，SSM模块扩展因子（$M$） = 1。

选择了多种方法作为基线模型，包括LR、XGBoost、MLP等经典方法，以及TabNet、DCN、AutoInt等深度学习模型。在对比实验中，严格遵循这些基线模型在TransTab中的架构和实现细节。

4.2 普通监督学习性能

在普通监督学习设置下，按照[Wang和Sun, 2022]的协议进行实验。为了减少随机因素的影响，在每个数据集上进行10次不同随机种子的运行，并报告平均结果。

从实验结果（见表1）可以看出，MambaTab - D在3个数据集（CG、CA、BL）上的性能优于基线模型，在其他数据集上与基于Transformer的基线模型性能相当。例如，MambaTab - D在8个数据集中的5个（CG、CA、DS、CB、BL）上优于TransTab。经过超参数调整后的MambaTab - T性能更优，在6个数据集上优于所有基线模型，在另外2个数据集上排名第二。

Methods	Datasets
CG	CA	DS	AD	CB	BL	IO	IC
LR	0.720	0.836	0.557	0.851	0.748	0.801	0.769	0.860
XGBoost	0.726	0.895	0.587	0.912	0.892	0.821	0.758	0.925
MLP	0.643	0.832	0.568	0.904	0.613	0.832	0.779	0.893
SNN	0.641	0.880	0.540	0.902	0.621	0.834	0.794	0.892
TabNet	0.585	0.800	0.478	0.904	0.680	0.819	0.742	0.896
DCN	0.739	0.870	0.674	0.913	0.848	0.840	0.768	0.915
AutoInt	0.744	0.866	0.672	0.913	0.808	0.844	0.762	0.916
TabTrans	0.718	0.860	0.648	0.914	0.855	0.820	0.794	0.882
FT - Trans	0.739	0.859	0.657	0.913	0.862	0.841	0.793	0.915
VIME	0.735	0.852	0.485	0.912	0.769	0.837	0.786	0.908
SCARF	0.733	0.861	0.663	0.911	0.719	0.833	0.758	0.905
TransTab	0.768	0.881	0.643	0.907	0.851	0.845	0.822	0.919
MambaTab - D	0.771	0.954	0.643	0.906	0.862	0.852	0.785	0.906
MambaTab - T	0.801	0.963	0.681	0.914	0.896	0.854	0.812	0.920

4.3 特征增量学习性能

在特征增量学习设置中，将每个数据集的特征集$F$划分为三个不重叠的子集$s_1$、$s_2$、$s_3$。大多数基线模型只能从固定的特征集（如丢弃增量特征的$s_1$或丢弃旧数据的$s_1$、$s_2$、$s_3$）学习，而MambaTab和TransTab可以从$s_1$逐步学习到$s_1$、$s_2$，再到$s_1$、$s_2$、$s_3$。

MambaTab通过改变输入特征的基数$n(se{t}_i)$，同时保持架构不变来实现特征增量学习。这得益于Mamba强大的内容和上下文选择性，以及固定的表示空间维度。即使使用默认超参数，MambaTab - D在特征增量学习上的性能也优于所有基线模型（见表2）。

在8个数据集上，MambaTab-T（调优版）在6个数据集登顶：

• Credit-g：AUROC 0.801（+3.3% vs TransTab）
• Credit-approval：0.963（+8.2% vs XGBoost）
• 平均参数量：50K（TransTab的1.2%），内存占用降低2个数量级

Methods	Datasets
—	CG	CA	DS	AD	CB	BL	IO	IC
LR	0.670	0.773	0.475	0.832	0.727	0.806	0.655	0.825
XGBoost	0.608	0.817	0.527	0.891	0.778	0.816	0.692	0.898
MLP	0.586	0.676	0.516	0.890	0.631	0.825	0.626	0.885
SNN	0.583	0.738	0.442	0.888	0.644	0.818	0.643	0.881
TabNet	0.573	0.689	0.419	0.886	0.571	0.837	0.680	0.882
DCN	0.674	0.835	0.578	0.893	0.778	0.840	0.660	0.891
AutoInt	0.671	0.825	0.563	0.893	0.769	0.836	0.676	0.887
TabTrans	0.653	0.732	0.584	0.856	0.784	0.792	0.674	0.828
FT - Trans	0.662	0.824	0.626	0.892	0.768	0.840	0.645	0.889
VIME	0.621	0.697	0.571	0.892	0.769	0.803	0.683	0.881
SCARF	0.651	0.753	0.556	0.891	0.703	0.829	0.680	0.887
TransTab	0.741	0.879	0.665	0.894	0.791	0.841	0.739	0.897
MambaTab - D	0.787	0.961	0.669	0.904	0.860	0.853	0.783	0.908

4.4 可学习参数比较

MambaTab不仅性能优越，在可学习参数大小方面也具有显著优势。与基于Transformer的方法相比（见表3），MambaTab（包括MambaTab - D和MambaTab - T）通常仅使用不到TransTab 1%的可学习参数，就能取得与之相当甚至更好的性能。这表明MambaTab在内存和空间利用上更加高效。

Methods	Datasets
	CG	CA	DS	AD	CB	BL	IO	IC
TabTrans	2.7M	1.2M	2.0M	1.2M	6.5M	3.4M	87.0M	1.0M
FT-Trans	176K	176K	179K	178K	203K	176K	193K	177K
TransTab	4.2M	4.2M	4.2M	4.2M	4.2M	4.2M	4.2M	4.2M
MambaTab-D	13K	13K	13K	13K	14K	13K	15K	13K
MambaTab-T	50K	38K	5K	255K	30K	11K	13K	10K

4.5 超参数调整

MambaTab对重要超参数进行调整，通过验证损失来确定最优参数，测试集不参与调优过程。调优后的MambaTab（MambaTab-T）在10次不同随机种子运行中的平均测试结果显示出了更好的性能（见表1）。有趣的是，MambaTab-T在某些数据集（如DS、BL、IO和IC）上的参数消耗甚至比MambaTab-D更少。表4展示了MambaTab-T的关键超参数调整值。

Hyperparameters	Datasets
	CG	CA	DS	AD	CB	BL	IO	IC
Embedding Representation Space	64	32	16	64	32	16	16	32
State Expansion Factor	16	64	32	64	8	4	8	64
Block Expansion Factor	3	4	2	10	7	10	9	1

五、超参数敏感性分析和消融研究

5.1 模块扩展因子

对模块扩展因子（内核大小）在{1, 2, …, 10}范围内进行实验，其他超参数保持默认。结果表明，MambaTab的性能随模块扩展因子变化仅有轻微波动，无明显趋势。受[Gu和Dao, 2023]启发，将默认值设为2，但进一步调整该参数可能在部分数据集上提升性能。

5.2 状态扩展因子

使用{4, 8, 16, 32, 64, 128}中的值探究状态扩展因子（N）的影响。实验发现，随着N增大，MambaTab在AUROC指标上的性能提升，但较大的N会消耗更多内存。为平衡性能与内存消耗，选择32作为默认值。

5.3 嵌入表示大小

对嵌入表示长度在{4, 8, 16, 32, 64, 128}范围内进行敏感性分析。结果显示，MambaTab性能随嵌入大小增加而提升，但会增加参数数量和计算资源需求。综合考虑，将默认嵌入长度设为32。

5.4 层归一化的消融

通过在CG和CB数据集的普通监督学习实验中，对比有无层归一化的情况，验证其在模型中的作用。结果表明，有层归一化时MambaTab性能更优，证明了层归一化在模型中的有效性。

5.5 批量大小的影响

研究批量大小在{60, 80, 100, 120, 140}范围内变化对模型性能的影响。发现不同批量大小下，MambaTab在CG和CB数据集上的性能变化较小，展示了其在批量大小方面良好的泛化能力，因此将默认批量大小设为100。

5.6 扩展Mamba模块

研究通过残差连接扩展Mamba模块的效果，从M=2到100进行堆叠实验。结果显示，随着Mamba模块数量增加，MambaTab性能保持稳定，可学习参数线性增加。表明少数Mamba模块即可获得良好性能，因此默认使用M=1。

六、未来展望与结论

MambaTab通过维度稳定嵌入+上下文SSM的创新组合，突破表格数据处理的三大瓶颈：特征增量难、参数量大、预处理复杂。未来将探索：

1. 回归任务扩展（如房价预测）
2. 多模态表格融合（结合文本/图像特征）
3. 在线学习适配（增量样本+增量特征联合优化）

这一轻量级框架为表格数据的实时智能处理开辟新路径，尤其适用于需快速迭代的工业场景。