异构表格数据是最常用的数据形式，对于众多关键和计算要求高的应用程序至关重要。深度神经网络在同构数据集上往往性能优异，然而涉及建模表格数据（推理或生成）方面的应用仍然极具挑战性。近日，来自图宾根大学等机构的研究者进行了一项表格数据 SOTA 深度学习方法的调查研究。该研究首先将这些方法分为三组：数据转换、专用架构和正则化模型，然后全面概述了每个组中的主要方法。论文地址：https://arxiv.org/abs/2110.01889基于本研究，数据科学从业者和研究人员将能够快速为用例或研究问题确定起点和指导。
评论
沙发等你来抢