TREB：用于表格数据插值的 BERT 方法
机器学习
2024-10-02 v1
摘要
TREB 是一种新颖的表格插值框架，利用 BERT，提出了处理表格数据中缺失值的创新方法。与许多传统方法忽视插值特定需求不同，TREB 利用 BERT 的强大能力来解决这一关键任务。虽然许多针对表格数据的 BERT 方法已涌现，但它们经常未充分利用语言模型的全部潜力。为纠正这一点，TREB 采用专为插值表格数据集中实数值连续数字而微调的 BERT-based 模型。论文全面地论述了表格数据插值的独特挑战，强调基于上下文的相互关联性的重要性。通过对加州房价数据集进行严格评估，验证了 TREB 的有效性。结果表明，它能够保持特征之间的相互关系并准确插值缺失值。此外，作者阐明了 TREB 的计算效率和环境影响，量化了其训练和部署相关的浮点运算 (FLOPs) 和碳足迹。
引用
@article{arxiv.2410.00022,
title = {TREB: a BERT attempt for imputing tabular data imputation},
author = {Shuyue Wang and Wenjun Zhou and Han drk-m-s Jiang and Shuo Wang and Ren Zheng},
journal= {arXiv preprint arXiv:2410.00022},
year = {2024}
}
备注
12 pages, 7 figures