Buchumschlag

Learning Relational Tabular Data without Shared Features

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Zhaomin, Wang, Shida, Wang, Ziyang, He, Bingsheng
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

VertiBench: Advancing Feature Distribution Diversity in Vertical Federated Learning Benchmarks
von: Wu, Zhaomin, et al.
Veröffentlicht: (2023)

LLM DNA: Tracing Model Evolution via Functional Representations
von: Wu, Zhaomin, et al.
Veröffentlicht: (2025)

EmoTrack: Robust Depression Tracking from Counseling Transcripts across Session Regimes
von: Wu, Zhaomin, et al.
Veröffentlicht: (2026)

Federated Transformer: Multi-Party Vertical Federated Learning on Practical Fuzzily Linked Data
von: Wu, Zhaomin, et al.
Veröffentlicht: (2024)

WikiDBGraph: A Data Management Benchmark Suite for Collaborative Learning over Database Silos
von: Wu, Zhaomin, et al.
Veröffentlicht: (2025)

Federated Data-Efficient Instruction Tuning for Large Language Models
von: Qin, Zhen, et al.
Veröffentlicht: (2024)

Beyond Prompt-Induced Lies: Investigating LLM Deception on Benign Prompts
von: Wu, Zhaomin, et al.
Veröffentlicht: (2025)

Vertical Federated Learning in Practice: The Good, the Bad, and the Ugly
von: Wu, Zhaomin, et al.
Veröffentlicht: (2025)

Deep Feature Embedding for Tabular Data
von: Wu, Yuqian, et al.
Veröffentlicht: (2024)

Model-based Large Language Model Customization as Service
von: Wu, Zhaomin, et al.
Veröffentlicht: (2024)

Tabular Data Contrastive Learning via Class-Conditioned and Feature-Correlation Based Augmentation
von: Cui, Wei, et al.
Veröffentlicht: (2024)

OpenMLDB: A Real-Time Relational Data Feature Computation System for Online ML
von: Zhou, Xuanhe, et al.
Veröffentlicht: (2025)

StreamFP: Learnable Fingerprint-guided Data Selection for Efficient Stream Learning
von: Shi, Tongjun, et al.
Veröffentlicht: (2024)

Auto-FP: An Experimental Study of Automated Feature Preprocessing for Tabular Data
von: Qi, Danrui, et al.
Veröffentlicht: (2023)

A Survey on Self-Supervised Learning for Non-Sequential Tabular Data
von: Wang, Wei-Yao, et al.
Veröffentlicht: (2024)

CLIMB: Class-imbalanced Learning Benchmark on Tabular Data
von: Liu, Zhining, et al.
Veröffentlicht: (2025)

LongSSM: On the Length Extension of State-space Models in Language Modelling
von: Wang, Shida
Veröffentlicht: (2024)

Missing Data Multiple Imputation for Tabular Q-Learning in Online RL
von: Chasalow, Kyla, et al.
Veröffentlicht: (2025)

BuffGraph: Enhancing Class-Imbalanced Node Classification via Buffer Nodes
von: Wang, Qian, et al.
Veröffentlicht: (2024)

LLM Embeddings for Deep Learning on Tabular Data
von: Koloski, Boshko, et al.
Veröffentlicht: (2025)

Optimized Feature Generation for Tabular Data via LLMs with Decision Tree Reasoning
von: Nam, Jaehyun, et al.
Veröffentlicht: (2024)

Large Language Models Engineer Too Many Simple Features For Tabular Data
von: Küken, Jaris, et al.
Veröffentlicht: (2024)

Generalization Limits of Reinforcement Learning Alignment
von: Shida, Haruhi, et al.
Veröffentlicht: (2026)

Boosting Relational Deep Learning with Pretrained Tabular Models
von: Lachi, Veronica, et al.
Veröffentlicht: (2025)

Arithmetic Feature Interaction Is Necessary for Deep Tabular Learning
von: Cheng, Yi, et al.
Veröffentlicht: (2024)

A Survey on Data-Centric AI: Tabular Learning from Reinforcement Learning and Generative AI Perspective
von: Ying, Wangyang, et al.
Veröffentlicht: (2025)

DynaTab: Dynamic Feature Ordering as Neural Rewiring for High-Dimensional Tabular Data
von: Habib, Al Zadid Sultan Bin, et al.
Veröffentlicht: (2026)

Tabular Data: Is Deep Learning all you need?
von: Zabërgja, Guri, et al.
Veröffentlicht: (2024)

PyGDA: A Python Library for Graph Domain Adaptation
von: Zhang, Zhen, et al.
Veröffentlicht: (2025)

Crafting Imperceptible On-Manifold Adversarial Attacks for Tabular Data
von: He, Zhipeng, et al.
Veröffentlicht: (2025)

Generating Synthetic Relational Tabular Data via Structural Causal Models
von: Hoppe, Frederik, et al.
Veröffentlicht: (2025)

TabSeq: A Framework for Deep Learning on Tabular Data via Sequential Ordering
von: Habib, Al Zadid Sultan Bin, et al.
Veröffentlicht: (2024)

MedFeat: Model-Aware and Explainability-Driven Feature Engineering with LLMs for Clinical Tabular Prediction
von: Zhang, Zizheng, et al.
Veröffentlicht: (2026)

Universal Embeddings of Tabular Data
von: Franz, Astrid, et al.
Veröffentlicht: (2025)

TabKD: Tabular Knowledge Distillation through Interaction Diversity of Learned Feature Bins
von: Pereira, Shovon Niverd, et al.
Veröffentlicht: (2026)

In-context Learning of Evolving Data Streams with Tabular Foundational Models
von: Lourenço, Afonso, et al.
Veröffentlicht: (2025)

Deep Learning with Tabular Data: A Self-supervised Approach
von: Vyas, Tirth Kiranbhai
Veröffentlicht: (2024)

ALPBench: A Benchmark for Active Learning Pipelines on Tabular Data
von: Margraf, Valentin, et al.
Veröffentlicht: (2024)

Deep Clustering of Tabular Data by Weighted Gaussian Distribution Learning
von: Rabbani, Shourav B., et al.
Veröffentlicht: (2023)

A Data-Centric Perspective on Evaluating Machine Learning Models for Tabular Data
von: Tschalzev, Andrej, et al.
Veröffentlicht: (2024)