表格数据
表格数据是一种以行和列形式组织的数据结构，广泛存在于医疗、金融、政务等领域。其规模通常小于图像或文本数据集，特征包括类别粒度和多数类占比等。
时间轴 (近 90 天)
在表格数据上，OrderGPT发现了将统计和语义相关字段放在附近的分解方式，同时提升了所有领域的下游建模指标。
隐私评估不应默认沿用高维数据集的结论，而需针对表格数据的特性重新校准。
整个高质量表格数据集可能只有约 5 万个
泛化到真实、未见数据集的能力是检验表格深度学习方法价值的关键标准
Frank Hutter认为表格数据需要大量来自不同领域的表，因为单个行之间无法跨表迁移知识
Frank Hutter认为表格数据非常脏，这是深度学习花了很长时间才真正做好它的原因之一
表格数据充斥着缺失值、异构的数据类型、不一致的编码方式和领域特定噪声，这与图像文本等结构化连续数据不同
作者将框架实例化到三个数据领域：二值图像、表格数据和时间序列
梯度提升树系列算法，尤其是XGBoost，长期被视为表格数据建模领域的黄金标准
表格数据领域正在经历自己的基础模型时刻，预训练加上下文学习的范式正从NLP和CV渗透到表格数据
全部知识事实 (10)
在表格数据上，OrderGPT发现了将统计和语义相关字段放在附近的分解方式，同时提升了所有领域的下游建模指标。
50%待验证隐私评估不应默认沿用高维数据集的结论，而需针对表格数据的特性重新校准。
50%待验证整个高质量表格数据集可能只有约 5 万个
50%待验证泛化到真实、未见数据集的能力是检验表格深度学习方法价值的关键标准
50%待验证Frank Hutter认为表格数据需要大量来自不同领域的表，因为单个行之间无法跨表迁移知识
50%待验证Frank Hutter认为表格数据非常脏，这是深度学习花了很长时间才真正做好它的原因之一
50%待验证表格数据充斥着缺失值、异构的数据类型、不一致的编码方式和领域特定噪声，这与图像文本等结构化连续数据不同
50%待验证作者将框架实例化到三个数据领域：二值图像、表格数据和时间序列
50%待验证梯度提升树系列算法，尤其是XGBoost，长期被视为表格数据建模领域的黄金标准
50%待验证表格数据领域正在经历自己的基础模型时刻，预训练加上下文学习的范式正从NLP和CV渗透到表格数据
50%