著者:  （1）P Aditya Sreekar、Amazonおよびこれらの著者は、この研究に等しく貢献しました{sreekarp@amazon.com}。  （２）Sahil Verm、Amazon、およびこれらの著者は、この研究に等しく貢献しました {vrsahil@amazon.com;}  （３）Varun Madhavan、インド工科大学カラグプル校。アマゾンでのインターンシップ中に取り組んだ仕事 {varunmadhavan@iitkgp.ac.in}  （4）アビシェーク・ペルサド、Amazon {persadap@amazon.com}。 リンク一覧 概要と序論 関連事業 方法論 実験 結論と今後の課題 参考文献 参考文献 Alexander Amini、Wilko Schwarting、Ava Soleimany、Daniela Rus。Deep evidenceial regression。CoRR、abs/1910.02600、2019年。URL http://arxiv.org/abs/1910.02600。  Sercan O Arik、Engin Gedik、Kenan Guney、Umut Atilla。Tabnet: 注意深い解釈可能な表形式学習。Advances in Neural Information Processing Systems、10951～10961 ページ、2019 年。  Christopher M Bishop. パターン認識と機械学習。Springer、第 2 章、36 ～ 43 ページ。2006 年。  Leo Breiman. ランダムフォレスト. 機械学習, 45(1):5–32, 2001.  Jintai Chen、Kuanlun Liao、Yao Wan、Danny Z Chen、Jian Wu。Danets: 表形式データの分類と回帰のためのディープ抽象ネットワーク。AAAI人工知能会議の議事録、第36巻、3930〜3938ページ、2022年。  Tianqi Chen と Carlos Guestrin。Xgboost: スケーラブルなツリー ブースティング システム。知識発見とデータ マイニングに関する第 22 回 ACM SIGKDD 国際会議の議事録、785 ～ 794 ページ、2016 年。  Jacob Devlin、Ming-Wei Chang、Kenton Lee、Kristina Toutanova。BERT: 言語理解のためのディープ双方向トランスフォーマーの事前トレーニング。Jill Burstein、Christy Doran、Thamar Solorio 編、Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies、NAACL-HLT 2019、ミネアポリス、ミネソタ州、米国、2019 年 6 月 2 ～ 7 日、第 1 巻 (長文および短文論文)、4171 ～ 4186 ページ。Association for Computational Linguistics、2019 年。doi: 10.18653/v1/n19-1423。URL https://doi.org/10.18653/v1/n19-1423。  Alexey Dosovitskiy、Lucas Beyer、Alexander Kolesnikov、Dirk Weissenborn、Xiaohua Zhai、Thomas Unterthiner、Mostafa Dehghani、Matthias Minderer、Georg Heigold、Sylvain Gelly、Jakob Uszkoreit、Neil Houlsby。画像は 16x16 ワードに相当します: 大規模な画像認識のためのトランスフォーマー。 ICLR、2021年。  Nick Erickson、Jonas Mueller、Alexander Shirkov、Hang Zhang、Pedro Larroy、Mu Li、Alexander Smola。Autogluon-tabular: 構造化データのための堅牢で正確な automl、2020 年。  William Falcon と PyTorch Lightning チーム。PyTorch Lightning、2019 年 3 月。URL https://github.com/Lightning-AI/lightning。 ジェローム・H・フリードマン。貪欲関数近似：勾配ブースティングマシン。Annals of Statistics、1189～1232ページ、2001年。  Yuan Gong、Yu-An Chung、James Glass。AST: オーディオスペクトログラムトランスフォーマー。Proc. Interspeech 2021、571〜575ページ、2021年。doi: 10.21437/Interspeech.2021-698。  Yury Gorishniy、Ivan Rubachev、Valentin Khrulkov、Artem Babenko。表形式データ用のディープラーニングモデルの再検討。Advances in Neural Information Processing Systems、34:18932–18943、2021年。  Trevor Hastie、Robert Tibshirani、Jerome Friedman。統計学習の要素: データ マイニング、推論、予測。Springer Science & Business Media、2009 年。  Hussein Hazimeh、Natalia Ponomareva、Petros Mol、Zhenyu Tan、Rahul Mazumder。ツリー アンサンブル レイヤー: 微分可能性と条件付き計算の融合。International Conference on Machine Learning、4138 ～ 4148 ページ。PMLR、2020 年。  Xin Huang、Ashish Khetan、Milan Cvitkovic、Zohar Karnin。Tabtransformer: コンテキスト埋め込みを使用した表形式のデータモデリング。arXiv プレプリント arXiv:2012.06678、2020 年。  Guolin Ke、Qi Meng、Thomas Finley、Taifeng Wang、Wei Chen、Weidong Ma、Qiwei Ye、および Tie-Yan Liu。Lightgbm: 非常に効率的な勾配ブースティング決定木。ニューラル情報処理システムの進歩、30:3146–3154、2017 年。  Diederik P Kingma と Jimmy Ba. Adam: 確率的最適化のための手法。arXiv プレプリント arXiv:1412.6980、2014 年。  Daniele Micci-Barreca. 分類および予測問題における高カーディナリティカテゴリ属性の前処理スキーム。SIGKDD Explor. Newsl., 3(1):27–32, 2001 年 7 月。ISSN 1931-0145。doi: 10.1145/507533.507538。URL https://doi.org/10.1145/507533. 507538。  Sergei Popov、Stanislav Morozov、Artem Babenko。表形式データでのディープラーニングのためのニューラル忘却決定アンサンブル。arXiv プレプリント arXiv:1909.06312、2019 年。  Liudmila Prokhorenkova、Gleb Gusev、Alexey Vorobev、Anna Dorogush、Andrey Gulin。Catboost: カテゴリ特徴による偏りのないブースティング。Advances in Neural Information Processing Systems、31:6638–6648、2018。  Gowthami Somepalli、Micah Goldblum、Avi Schwarzschild、C Bayan Bruss、Tom Goldstein。Saint：行アテンションと対照的事前トレーニングによる表形式データ向けのニューラルネットワークの改善。arXiv プレプリント arXiv:2106.01342、2021 年。  Ashish Vaswani、Noam Shazeer、Niki Parmar、Jakob Uszkoreit、Llion Jones、Aidan N Gomez、Lukasz Kaiser、Illia Polosukhin。「Attention is all you need」。Advances in Neural Information Processing Systems、5998～6008 ページ、2017 年。 この論文は、CC BY-NC-ND 4.0 DEED ライセンスの下で 。 arxiv で公開されています

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Read My Stories

Publications in convolution, driving breakthroughs in signal processing and artificial intelligence.

Convolution's blog

このオーディオは、ストーリーの元の言語で制作されています。

長すぎる; 読むには

CTA: Download the FREE AI Productivity Shift report

配送コスト予測における自己注意の力を明らかにする: 参考文献

About Author

コメント

ラベル

この記事は

Related Stories

暗号通貨の成長: 効果的なユーザーペルソナの作成

ユニークなエコシステムを支えるビットコインUTXOのモデル

Claude Sonnet 3.5 システムプロンプトの漏洩: 法医学的分析

海を航海する: データレイクを使用した本番環境レベルの RAG アプリケーションの開発

暗号通貨の成長: 効果的なユーザーペルソナの作成

ユニークなエコシステムを支えるビットコインUTXOのモデル

Claude Sonnet 3.5 システムプロンプトの漏洩: 法医学的分析

海を航海する: データレイクを使用した本番環境レベルの RAG アプリケーションの開発

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps