Tabular Data 相关的热门 GitHub AI项目仓库

用于表格数据的基础模型

这是TabNet论文的PyTorch实现，论文可在arxiv上找到：https://arxiv.org/pdf/1908.07442.pdf

我们整合了指令微调数据（例如，思维链数据）、多种大型语言模型和参数高效方法（例如，LoRA、P-tuning）的接口，方便用户使用。我们欢迎开源爱好者向这个项目提交任何有意义的代码贡献（PR），并集成尽可能多的与大型语言模型相关的技术。我们创建了一个易于上手和使用的大模型微调平台，欢迎开源爱好者贡献代码！

PyTorch 的自动架构搜索和超参数优化

异常值、对抗样本和概念漂移检测算法

能够理解数据内容的AI代码编写助手

你的PyTorch AI工厂——Flash，让你能够轻松配置和运行复杂的AI方案，涵盖7个数据领域超过15项任务。

用于表格数据的深度学习模型标准框架

用于生成合成表格数据的条件生成对抗网络。

一个灵活的PyTorch多模态深度学习包，能够使用Wide & Deep模型结合表格数据、文本和图像数据。

ktrain是一个Python库，它使深度学习和人工智能更容易上手和应用。

Transformers4Rec是一个灵活高效的库，用于基于序列和会话的推荐，并与PyTorch兼容。

表格型深度学习研究：论文与工具包

使用Pytorch实现TabTransformer，这是一种用于表格数据的注意力网络。

基于HuggingFace transformers处理文本数据的文本和表格数据多模态模型

这个项目的目标是收集公开的表格智能任务数据集（例如表格问答、表格转文本），把这些原始数据整理成适合指令微调的格式，然后用这些数据来微调大型语言模型（LLM）。这样可以提升LLM理解表格数据的能力，最终建立一个专门处理表格智能任务的大型语言模型。

我们知道，生成对抗网络（GANs）在生成逼真图像方面取得了成功。然而，它们也可以应用于表格数据的生成。我们将回顾和研究一些关于表格数据GANs应用的最新论文。

DeltaPy：表格数据增强（由@firmai开发）

一个用于生成和评估合成表格数据的库，可用于隐私保护、公平性保证和数据增强。

这是最近论文 SAINT: 通过行注意力和对比预训练改进表格数据神经网络的官方 PyTorch 实现