- Transfer Learning with Deep Tabular Models [66.7]
正確性はさておき、ニューラルモデルの大きな利点は、再利用可能な機能を学び、新しいドメインで簡単に微調整できることだ。上流データにより、ニューラルネットワークはGBDTモデルよりも決定的な優位性を示す。 そこで本研究では,表在化学習のための現実的な診断ベンチマークを提案する。 上流と下流の特徴セットが異なる場合の擬似特徴法を提案する。
論文 参考訳（メタデータ） 参考訳（全文） (Thu, 30 Jun 2022 14:24:32 GMT)- テーブルデータに対してはいまだにGBDTが良く用いられるが、Transfer Learningを行う場合はDeep Learningに利点があるという指摘。
- 確かにその通りという印象。
- リポジトリはGitHub – LevinRoman/tabular-transfer-learning: A repo for transfer learning with deep tabular models
- テーブルデータに対してはいまだにGBDTが良く用いられるが、Transfer Learningを行う場合はDeep Learningに利点があるという指摘。