Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
Come funziona TabTransformer
TabTransformer è una nuova architettura di modellazione di dati tabulari approfonditi per l'apprendimento supervisionato. TabTransformer è costruita su trasformatori basati sull'autoattenzione. I livelli di trasformatori trasformano gli incorporamenti di funzionalità categoriche in robusti incorporamenti contestuali per ottenere una maggiore precisione di previsione. Inoltre, gli incorporamenti contestuali appresi da TabTransformer sono estremamente robusti sia rispetto alle funzionalità dei dati mancanti che a quelle rumorose e offrono una migliore interpretabilità.
L'algoritmo TabTransformer funziona bene nelle competizioni di machine learning grazie alla sua robusta gestione di una varietà di tipi di dati, relazioni, distribuzioni e la diversità di iperparametri che è possibile ottimizzare. È possibile utilizzare TabTransformer per problemi di regressione, classificazione (binaria e multiclass) e ordinamento.
Il diagramma seguente illustra l'architettura di TabTransformer.
Per ulteriori informazioni, consulta TabTransformer: modellazione dei dati tabulari utilizzando incorporamenti contestuali
