저자:  (1) P Aditya Sreekar, Amazon 및 이들 저자는 이 작업에 동등하게 기여했습니다 {sreekarp@amazon.com}.  (2) Sahil Verm, Amazon 및 이들 저자는 이 작업에 동등하게 기여했습니다. {vrsahil@amazon.com;}  (3) Varun Madhavan, 인도 공과대학, Kharagpur. Amazon {varunmadhavan@iitkgp.ac.in}에서 인턴십 중에 수행한 작업  (4) Abhishek Persad, Amazon {persadap@amazon.com}.  링크 표   개요 및 소개   관련 작품   방법론   실험   결론 및 향후 작업   참고자료  참고자료  알렉산더 아미니, 윌코 슈워팅, 에바 솔레이마니, 다니엘라 루스. 깊은 증거 회귀. CoRR, abs/1910.02600, 2019. URL http://arxiv.org/abs/1910.02600.  Sercan O Arik, Engin Gedik, Kenan Guney 및 Umut Atilla. Tabnet: 세심한 해석이 가능한 표 형식 학습. 신경 정보 처리 시스템의 발전, 페이지 10951–10961, 2019.  크리스토퍼 M 비숍. 패턴 인식 및 기계 학습. Springer, 2장, 36~43페이지. 2006.  레오 브라이먼. 랜덤 포레스트. 기계 학습, 45(1):5–32, 2001.  Jintai Chen, Kuanlun Liao, Yao Wan, Danny Z Chen, Jian Wu. Danets: 표 형식의 데이터 분류 및 회귀를 위한 심층 추상 네트워크입니다. AAAI 인공지능 회의 진행, 36권, 3930~3938페이지, 2022년.  천치 첸(Tianqi Chen)과 카를로스 게스트린(Carlos Guestrin). Xgboost: 확장 가능한 트리 부스팅 시스템입니다. 지식 발견 및 데이터 마이닝에 관한 제22차 ACM SIGKDD 국제 컨퍼런스 진행, 페이지 785-794, 2016.  제이콥 데블린, 장밍웨이, 켄튼 리, 크리스티나 투타노바. BERT: 언어 이해를 위한 심층 양방향 변환기의 사전 훈련. Jill Burstein, Christy Doran 및 Thamar Solorio 편집자, 전산 언어학 협회 북미 지부의 2019 회의 간행물: 인간 언어 기술, NAACL-HLT 2019, 미국 미네소타 주 미니애폴리스, 6월 2-7일, 2019년, 1권(긴 논문과 짧은 논문), 4171~4186페이지. 전산언어학협회, 2019. 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 및 Neil Houlsby. 이미지는 16x16 단어의 가치가 있습니다. 대규모 이미지 인식을 위한 변환기입니다. ICLR, 2021.  Nick Erickson, Jonas Mueller, Alexander Shirkov, Hang Zhang, Pedro Larroy, Mu Li 및 Alexander Smola. Autogluon-tabular: 구조화된 데이터를 위한 강력하고 정확한 자동 ML, 2020.  William Falcon과 PyTorch Lightning 팀. PyTorch Lightning, 3 2019. URL https: //github.com/Lightning-AI/lightning.  제롬 H 프리드먼. 그리디 함수 근사: 그래디언트 부스팅 머신. 통계 연보, 페이지 1189-1232, 2001.  공위안, 정위안, 제임스 글래스. AST: 오디오 스펙트로그램 변환기. Proc에서. Interspeech 2021, 페이지 571–575, 2021. doi: 10.21437/Interspeech.2021-698.  Yury Gorishniy, Ivan Rubachev, Valentin Khrulkov 및 Artem Babenko. 표 형식 데이터에 대한 딥 러닝 모델을 다시 살펴봅니다. 신경 정보 처리 시스템의 발전, 34:18932-18943, 2021.  트레버 헤이스티, 로버트 팁시라니, 제롬 프리드먼. 통계 학습의 요소: 데이터 마이닝, 추론, 예측. 스프링거 과학 및 비즈니스 미디어, 2009.  Hussein Hazimeh, Natalia Ponomareva, Petros Mol, Zhenyu Tan 및 Rahul Mazumder. 트리 앙상블 레이어: 미분 가능성이 조건부 계산을 충족합니다. 기계 학습에 관한 국제 컨퍼런스, 4138~4148페이지. PMLR, 2020.  신황(Xin Huang), 아시쉬 케탄(Ashish Khetan), 밀란 츠비트코비치(Milan Cvitkovic), 조하르 카르닌(Zohar Karnin). Tabtransformer: 상황별 임베딩을 사용한 표 형식 데이터 모델링. arXiv 사전 인쇄 arXiv:2012.06678, 2020.  Guolin Ke, Qi Meng, Thomas Finley, Taifeng Wang, Wei Chen, Weidong Ma, Qiwei Ye 및 Tie-Yan Liu. Lightgbm: 매우 효율적인 그래디언트 부스팅 결정 트리입니다. 신경 정보 처리 시스템의 발전, 30:3146–3154, 2017.  Diederik P Kingma와 지미 바. Adam: 확률론적 최적화 방법입니다. arXiv 사전 인쇄 arXiv:1412.6980, 2014.  다니엘 미치-바레카. 분류 및 예측 문제에서 카디널리티가 높은 범주형 속성에 대한 전처리 방식입니다. SIGKDD 탐색. Newsl., 3(1):27–32, 2001년 7월. ISSN 1931-0145. 도이: 10.1145/507533.507538. URL https://doi.org/10.1145/507533. 507538.  세르게이 포포프, 스타니슬라프 모로조프, 아르템 바벤코. 표 형식 데이터에 대한 딥 러닝을 위한 신경 망각 결정 앙상블. arXiv 사전 인쇄 arXiv:1909.06312, 2019.  Liudmila Prokhorenkova, Gleb Gusev, Alexey Vorobev, Anna Dorogush 및 Andrey Gulin. Catboost: 범주형 기능을 사용한 편견 없는 부스팅입니다. 신경 정보 처리 시스템의 발전, 31:6638-6648, 2018.  Gowthami Somepalli, Micah Goldblum, Avi Schwarzschild, C Bayan Bruss 및 Tom Goldstein. Saint: 행 주의 및 대조 사전 훈련을 통해 표 형식 데이터에 대한 신경망이 개선되었습니다. arXiv 사전 인쇄 arXiv:2106.01342, 2021.  Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N Gomez, Lukasz Kaiser 및 Illia Polosukhin. 주의가 필요한 전부입니다. 신경 정보 처리 시스템의 발전, 5998-6008페이지, 2017년.  이 문서는 CC BY-NC-ND 4.0 DEED 라이센스에 따라   있습니다. arxiv에서 볼 수

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.

배송비 예측을 위한 자기주의의 힘 공개: 참고자료

About Author

코멘트

태그 걸기

이 기사는 다음에서 발표되었습니다.

Related Stories

AI의 힘을 발휘하세요. 최첨단 기술의 체계적 검토: 개요 및 소개

바다 항해: 데이터 레이크를 사용하여 프로덕션 등급 RAG 애플리케이션 개발

볼츠만 뇌 이론에 대한 간략한 소개

작업 흐름을 10배 향상하는 방법: 17가지 필수 앱

AI의 힘을 발휘하세요. 최첨단 기술의 체계적 검토: 개요 및 소개

바다 항해: 데이터 레이크를 사용하여 프로덕션 등급 RAG 애플리케이션 개발

볼츠만 뇌 이론에 대한 간략한 소개

작업 흐름을 10배 향상하는 방법: 17가지 필수 앱

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps