torch_frame.nn.models.FTTransformer

class FTTransformer(channels: int, out_channels: int, num_layers: int, col_stats: dict[str, dict[StatType, Any]], col_names_dict: dict[torch_frame.stype, list[str]], stype_encoder_dict: dict[torch_frame.stype, StypeEncoder] | None = None)[来源]

基础类: Module

注意

有关使用FTTransformer的示例，请参见examples/revisiting.py。

Parameters:

channels (int) – 隐藏通道维度
out_channels (int) – 输出通道的维度
num_layers (int) – 层数。 (默认: 3)
col_stats (dict[str,dict[torch_frame.data.stats.StatType,Any]]) – 一个将列名映射到统计信息的字典。可作为 dataset.col_stats 使用。
col_names_dict (dict[torch_frame.stype, list[str]]) – 一个将stype映射到列名列表的字典。列名根据在 tensor_frame.feat_dict中出现的顺序进行排序。可通过 tensor_frame.col_names_dict获取。
stype_encoder_dict – (dict[torch_frame.stype, torch_frame.nn.encoder.StypeEncoder], 可选): 一个将stypes映射到其stype编码器的字典。 (默认: None, 将调用 torch_frame.nn.encoder.EmbeddingEncoder() 用于分类特征和 torch_frame.nn.encoder.LinearEncoder() 用于数值特征)

将TensorFrame对象转换为输出预测。