本研究提出了一种神经框架，解决了学习概率分布间条件最优运输映射的问题，能够处理分类和连续变量。通过超网络生成运输层参数，超越了传统方法，推动了条件最优运输的应用。

Neural Conditional Transport Mapping
BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·
卡方检验与自由度

卡方检验与自由度
DEV Community DEV Community ·

本文探讨了分类变量的编码技术，发现独热编码和Helmert对比编码在多类别任务中优于目标编码。研究表明，编码方案与特征特性间无显著交互作用，适用于多个领域。通过实体嵌入和数值特征嵌入，提升了神经网络的性能，尤其在高基数特征数据集上表现突出。

表格式学习：实体和上下文嵌入的编码
BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·
探索字典、变量分类与Ames数据集中的数据填补

探索字典、变量分类与Ames数据集中的数据填补
MachineLearningMastery.com MachineLearningMastery.com ·
👤 个人中心
在公众号发送验证码完成验证