TALENT：Tabular Analytics与学习工具箱
机器学习
2024-07-08 v1
摘要
Tabular数据是机器学习中最常见的数据源之一。尽管广泛的方法在该领域显示出实用性，但深度学习方法因其灵活性和捕捉数据中复杂相互作用的能力，正成为有前景的替代方案。鉴于深度表格方法具有多样化的设计哲学，包括它们处理特征的方式、设计学习目标的方式以及构建模型架构的方式，本文引入了一个通用的深度学习工具箱，称为TALENT（Tabular Analytics and LEarNing Toolbox），用于利用、分析和比较表格方法。TALENT包含超过20种深度表格预测方法，以及各种编码和归一化模块，提供一个易于与新方法集成的统一接口。本文介绍了工具箱的设计和功能，通过几个案例研究说明其实际应用，并基于我们的工具箱公正地调查了各种方法的性能。代码可在https://github.com/qile2000/LAMDA-TALENT获取。
引用
@article{arxiv.2407.04057,
title = {TALENT: A Tabular Analytics and Learning Toolbox},
author = {Si-Yang Liu and Hao-Run Cai and Qi-Le Zhou and Han-Jia Ye},
journal= {arXiv preprint arXiv:2407.04057},
year = {2024}
}