解锁深度表格学习(Deep Tabular Learning)的关键:算术特征交互
原文中文,约3400字,阅读约需9分钟。发表于: 。实验结果表明,AMFormer在合成数据集表现出显著更优的细粒度表格数据建模、训练样本效率和泛化能力,并在真实数据的对比上超过一众基准方法,成为深度表格学习新的SOTA(state-of-the-art)模型。
阿里云人工智能平台PAI与浙江大学合作论文在AAAI-2024上发表,研究表明算术特征交互对深度表格学习至关重要。通过合成数据集和AMFormer架构验证了这一假设,实验结果显示AMFormer在细粒度表格数据建模、训练样本效率和泛化能力方面优于基准方法,成为深度表格学习新的SOTA模型。