Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
¿Cómo TabTransformer funciona
TabTransformer es una novedosa arquitectura de modelado profundo de datos tabulares para el aprendizaje supervisado. TabTransformer Se basa en Transformers basados en la autoatención. Las capas de transformadores convierten las incrustaciones de rasgos categóricos en incrustaciones contextuales sólidas para lograr una mayor precisión en la predicción. Además, las incrustaciones contextuales de las que se ha aprendido TabTransformer son muy resistentes a las funciones de datos ausentes o ruidosas, y proporcionan una mejor interpretabilidad.
TabTransformer tiene un buen rendimiento en las competiciones de aprendizaje automático debido a su sólido manejo de una variedad de tipos de datos, relaciones y distribuciones y a la diversidad de hiperparámetros que se pueden ajustar con precisión. Se puede utilizar TabTransformer para problemas de regresión, clasificación (binaria y multiclase) y clasificación.
El siguiente diagrama ilustra la TabTransformer arquitectura.
Para obtener más información, consulte TabTransformer: Modelado de datos tabulares mediante incrustaciones contextuales
