As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.
Como o TabTransformer funciona
O TabTransformer é uma nova arquitetura de modelagem de dados tabular profunda para aprendizado supervisionado. A arquitetura TabTransformer é baseada em transformadores baseados em autoatenção. As camadas do transformador transformam as incorporações de atributos categóricos em incorporações contextuais robustas para obter maior precisão de predição. Além disso, as incorporações contextuais aprendidas com o TabTransformer são altamente robustas contra atributos de dados ausentes e ruidosos e oferecem melhor interpretabilidade.
O TabTransformer tem desempenho satisfatório em competições de machine learning devido ao seu manuseio robusto de diversos tipos de dados, relações, distribuições e uma variedade de hiperparâmetros que você pode ajustar. Você pode usar o TabTransformer para regressão, classificação (binária e multiclasse) e problemas de classificação.
O diagrama a seguir ilustra a arquitetura do TabTransformer.
Para obter mais informações, consulte TabTransformer: modelagem de dados tabulares usando incorporações contextuais
