研究人员推出TabNSM，一个旨在应对大规模、高维表格回归挑战的新框架。该框架集成了自适应稀疏交互建模以实现高效特征处理，并引入了多阶段回归头以进行渐进式预测优化。此外，TabNSM还包含GridLoss（一种感知序数的软分箱目标）和RISE（一种感知难度的实例采样策略）。在九个真实世界基准测试上的实验表明，TabNSM在预测性能和可扩展性方面表现出色，尤其是在高维度和异构数据集上。 AI
影响 增强了用于表格数据的深度学习方法，可能提高复杂回归任务的性能。
排序理由 该集群包含一篇详细介绍表格回归新模型/框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
