Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Cómo funciona TabTransformer
TabTransformer es una novedosa arquitectura para el modelado de datos tabulares profundos en el aprendizaje supervisado. La arquitectura TabTransformer emplea la atención automática usando transformadores. Las capas de transformadores convierten las incrustaciones de rasgos categóricos en incrustaciones contextuales sólidas para lograr una mayor precisión en la predicción. Además, las incrustaciones contextuales aprendidas en TabTransformer tienen una gran capacidad de protección ante la ausencia de características de datos o ante el ruido en estas, y permiten un mayor grado de interpretación.
TabTransformer tiene un gran rendimiento en competiciones de machine learning, ya que puede gestionar con solvencia distintos tipos de datos, relaciones y distribuciones, así como la amplia variedad de hiperparámetros que se pueden ajustar. Puede usar TabTransformer para problemas de regresión, clasificación (binaria y multiclase) y ranking.
El siguiente diagrama muestra la arquitectura de TabTransformer.
Para obtener más información, consulte TabTransformer: Tabular Data Modeling Using Contextual Embeddings
