TabTransformer 的工作方式

TabTransformer 是一种用于有监督学习的新型深度表格数据建模架构。TabTransformer 建立在基于自注意力的转换器之上。转换器层将类别特征的嵌入转换为可靠的上下文嵌入，以实现更高的预测准确性。此外，从 TabTransformer 学习到的上下文嵌入都非常可靠，可以处理缺失和噪音数据特征，并且可以提供更好的可解释性。

TabTransformer 算法在机器学习竞赛中表现良好，因为它可以可靠地处理各种数据类型、关系、分布以及您可以微调的各种超参数。您可以使用 TabTransformer 来处理回归、分类（二元和多元）和排名问题。

下图阐明了 TabTransformer 架构。

有关更多信息，请参阅 TabTransformer：使用上下文嵌入进行表格数据建模。