[24′ NeurIPS] ReMasker: Imputing Tabular Data with Masked Autoencoding
테이블형 데이터 결측치 대체를 위한 Meta의 ReMasker 모델을 소개합니다. Diffusion 모델 대신 MAE 방식을 활용하여 임퓨테이션 성능을 향상시키고, Transformer 기반 구조로 데이터 간 관계를 정교하게 학습하여 높은 성과를 보였습니다.
Tabular Model
[21′ AAAI] TabNet : Attentive Interpretable Tabular Learning
TabNet은 표 형식의 데이터에서 딥러닝의 힘을 최대한 발휘하기 위한 모델입니다. TabNet의 핵심 아이디어, 구조, 실험 결과, 그리고 그 의의에 대해 알아봅니다. 표 데이터와 딥러닝에 관심이 있다면, TabNet의 독특한 접근 방식을 확인해보세요.
[20′ NIPS] VIME: Extending the Success of Self- and Semi-supervised Learning to Tabular Domain
테이블 데이터에 딥러닝을 적용하는 VIME에 대해 알아봅니다. 기존 방법의 한계부터 VIME의 제안 방법, 실험 결과, 장단점까지 상세하게 소개합니다. VIME의 혁신적인 접근 방식을 통해 테이블 데이터의 딥러닝 활용에 대한 새로운 시각을 얻어보세요.
