Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Come TabTransformer funziona
TabTransformer è una nuova architettura di modellazione di dati tabulari approfonditi per l'apprendimento supervisionato. TabTransformer È basato su Transformers basati sull'autoattenzione. I livelli di trasformatori trasformano gli incorporamenti di funzionalità categoriche in robusti incorporamenti contestuali per ottenere una maggiore precisione di previsione. Inoltre, gli incorporamenti contestuali appresi TabTransformer sono estremamente affidabili sia rispetto alle caratteristiche dei dati mancanti che a quelle rumorose e offrono una migliore interpretabilità.
TabTransformer si comporta bene nelle competizioni di machine learning grazie alla solida gestione di una varietà di tipi di dati, relazioni, distribuzioni e alla varietà di iperparametri che è possibile ottimizzare. È possibile utilizzarlo TabTransformer per problemi di regressione, classificazione (binaria e multiclasse) e classificazione.
Il diagramma seguente illustra l'architettura. TabTransformer
Per ulteriori informazioni, vedere TabTransformer: Modellazione di dati tabulari mediante incorporamenti contestuali
