GridLoss

新框架TabNSM通过稀疏交互建模增强表格回归能力

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。