empirical CDF transformation

新的拉伸变换框架增强了表格数据的深度学习能力

研究人员引入了一个名为“拉伸变换”的新框架，以改进深度学习模型处理异构表格数据的方式。该框架将数值特征预处理优化为一个优化问题，以创建更平滑、更易于学习的目标函数。提出了两种变体：无监督拉伸，它重新分配特征密度；以及有监督拉伸，它基于目标函数的平滑度优化变换。在38个数据集上的实验表明，有监督拉伸的性能持续优于现有方法，这表明为目标函数平滑度进行优化是表格深度学习的一种有价值的策略。