一个基于 Transformer 模型的用于表格数据中缺失值的非插补方法
原文中文,约400字,阅读约需1分钟。发表于: 。通过引入一种名为 “Not Another Imputation Method”(NAIM)的新型基于 Transformer 模型的方法,避免传统的插补技术,NAIM 使用特征特定的嵌入和掩码的自注意机制,有效地从现有数据中学习,避免了插补缺失值的必要性,并引入一种新颖的正则化技术来提高模型对不完整数据的泛化能力。我们在 5 个公开可用的表格数据集上广泛评估了...
通过引入名为“Not Another Imputation Method”(NAIM)的基于Transformer模型的新方法,提高了模型对不完整数据的泛化能力。在5个公开可用的表格数据集上评估了NAIM,并展示了其在预测性能和缺失数据情况下的优越表现。提供了NAIM的代码。