rtdl

RTDL (Investigación sobre aprendizaje profundo tabular)

RTDL ( Investigación sobre la ganancia de T Abular D Eep ) es una colección de documentos y paquetes sobre aprendizaje profundo para datos tabulares.

? Para seguir los anuncios en nuevos proyectos, suscribirse a los lanzamientos en este repositorio de GitHub: "Watch -> Custom -> lanzamientos".

Nota

La lista de proyectos a continuación está actualizado, pero el paquete rtdl Python está en desuso. Si usó el paquete rtdl , por favor, lea los detalles.

1. Primero, para aclarar, este repositorio no está en desuso, solo el paquete rtdl está en desuso: se reemplaza con otros paquetes.
2. Si utilizó el último rtdl==0.0.13 instalado desde Pypi (¡no desde GitHub!) Como pip install rtdl , entonces los mismos modelos (MLP, ResNet, FT-Transformer) se pueden encontrar en el paquete rtdl_revisiting_models , aunque API está ligeramente es ligeramente diferente.
3. ❗ Si usó el código inacabado de la rama principal, se recomienda cambiar a los nuevos paquetes. En particular, la implementación inacabada de incrustaciones para características continuas contenía muchos problemas no resueltos (el paquete rtdl_num_embeddings , a su vez, es más eficiente y correcto).

Papeles

(2024) Tabm: avance de aprendizaje profundo tabular con un conjunto eficiente de parámetros
Uso del código de papel

(2024) Tabred: Analizar las trampas y llenar los vacíos en puntos de referencia de aprendizaje profundo de Tabular
Código de papel

(2023) TABR: Tabular Deep Learning se encuentra con los vecinos más cercanos
Código de papel

(2022) TABDDPM: modelado de datos tabulares con modelos de difusión
Código de papel

(2022) Revisando objetivos de pre -proyección para el aprendizaje profundo tabular
Código de papel

(2022) Sobre incrustaciones para características numéricas en el aprendizaje profundo tabular
Paquete de código de papel (rtdl_num_embeddings)

(2021) Revisando modelos de aprendizaje profundo para datos tabulares
Paquete de código de papel (rtdl_revisiting_models)

(2019) conjuntos neuronales de decisión ajena para el aprendizaje profundo en datos tabulares
Código de papel