ICLR 2025 | 超越梯度提升树！南大提出面向表格数据的表示学习方法，预测任务取得新SOTA

文章预览

©PaperWeekly 原创 · 作者 |  尹怀鸿 单位 |  南京大学硕士研究生 研究方向 |  表格数据，多模态学习 近年来，深度学习在图像、语音、自然语言处理等领域大放异彩，但在一个看似简单却至关重要的场景——表格数据预测任务中，深度学习的能力却难以预约如梯度提升决策树（GBDT）等经典机器学习方法。 表格数据预测即最经典的机器学习任务，数据以行列结构组织，给定样本的向量表示，需要对其标记进行预测，在医疗记录、金融风控、电商推荐等行业中，表格数据仍作为核心。 随着深度学习在相关领域中的应用，研究者们也尝试思考，是否深度神经网络的能力能拓展至表格预测领域。近年来，有大量工作，从数据处理技巧、网络结构设计、大语言模型融入等多个方面进行了尝试，但深度神经网络的效果依然有限，或仅能在部分领域的数据上相 ………………………………