rtdl

RTDL (recherche sur l'apprentissage en profondeur tabulaire)

RTDL ( RECECH SUR LE GAGNEMENT DE L' EEP l ) est une collection d'articles et de packages sur l'apprentissage en profondeur pour les données tabulaires.

? Pour suivre les annonces sur les nouveaux projets, abonnez-vous aux versions dans ce référentiel GitHub: "Watch -> Custom -> Release".

Note

La liste des projets ci-dessous est à jour, mais le package rtdl Python est obsolète. Si vous avez utilisé le package rtdl , veuillez lire les détails.

1. Tout d'abord, pour clarifier, ce référentiel n'est pas obsolète, seul le package rtdl est obsolète: il est remplacé par d'autres packages.
2. Si vous avez utilisé le dernier rtdl==0.0.13 installé à partir de PYPI (pas à partir de GitHub!) En tant que pip install rtdl , les mêmes modèles (MLP, Resnet, FT-Transformateur) peuvent être trouvés dans le package rtdl_revisiting_models , bien que l'API soit légèrement soit différent.
3. ❗ Si vous avez utilisé le code inachevé de la branche principale, il est fortement recommandé de passer aux nouveaux packages. En particulier, la mise en œuvre inachevée des intégres pour les fonctionnalités continues contenait de nombreux problèmes non résolus (le package rtdl_num_embeddings , à son tour, est plus efficace et correct).

Papiers

(2024) TABM: Avocat en profondeur tabulaire avec un ensemble économe en paramètres
Utilisation du code papier

(2024) TABRED: Analyser les pièges et combler les lacunes dans les références tabulaires en profondeur
Code papier

(2023) Tabr: l'apprentissage en profondeur tabulaire rencontre les voisins les plus proches
Code papier

(2022) TABDDPM: Modélisation des données tabulaires avec des modèles de diffusion
Code papier

(2022) Revisiter des objectifs de pré-entraînement pour l'apprentissage en profondeur tabulaire
Code papier

(2022) sur les intérêts pour les caractéristiques numériques dans l'apprentissage en profondeur tabulaire
Package de code papier (RTDL_NUM_EMBEDDINGS)

(2021) Revisiter des modèles d'apprentissage en profondeur pour les données tabulaires
Package de code papier (RTDL_REVISIIT_MODELS)

(2019) Ensemble de décision inconscient du neural pour l'apprentissage en profondeur sur les données tabulaires
Code papier