FT-Transformer
PulseAugur coverage of FT-Transformer — every cluster mentioning FT-Transformer across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
SupraLabs 发布 SupraWeather-Nano 预览版用于天气分类
SupraLabs 发布了 SupraWeather-Nano-Preview，这是一个小型 FT-Transformer 模型，旨在利用原始表格气象数据对天气现象进行分类。与采用通用模型或忽略数据结构的典型方法不同，SupraWeather Nano 采用专用的特征分词器和 Transformer 编码器。该架构为每个输入特征分配学习到的 token，并与 CLS token 聚合，然后通过 transformer 堆栈进行处理，无…
-
混合 FT-Transformer 和 XGBoost 模型改进了流失预测
研究人员开发了一种新的混合模型，用于在结构化数据上预测客户流失，该模型结合了特征标记 Transformer (FT-Transformer) 和 XGBoost。该方法旨在捕捉复杂的特征交互并改进概率校准，以应对类别不平衡和非线性关系等挑战。在公开的银行客户流失数据集上进行测试，该模型取得了 62.10% 的 F1 分数和 0.861 的 AUC-ROC，优于标准的 Multi-Layer Perceptron 基线。
-
新框架通过混合数据增强提升偏头痛分类能力
研究人员开发了一个新颖的数据增强框架，以解决偏头痛分类任务中严重的类别不平衡问题。该方法纠正了先前的方法论缺陷，并引入了一种基于每类样本量分配生成方法的混合策略。对包含400名患者的数据集进行的实验表明，所提出的框架显著提高了分类性能，使用FT-Transformer模型达到了0.914的峰值宏F1分数。