TabFormer - 用于对多变量时间序列进行建模的表格转换器

TabFormer 项目介绍

TabFormer 是一个基于PyTorch的项目，旨在为多变量时间序列建模提供一种新的方法。该项目在ICASSP 2021大会上进行了展示。以下是TabFormer项目的具体介绍。

项目概述

TabFormer 项目提供了一系列工具和数据集，用于构建分层结构的表格数据变换器，具体包括以下几个方面：

模块化的层级变换器，用于处理表格数据。
一个模拟的信用卡交易数据集。
改进版的Adaptive Softmax，用于处理数据屏蔽问题。
针对表格数据定制的 DataCollatorForLanguageModeling 模块。
所有模块基于 HuggingFace 🤗 的transformers构建。

项目要求

为了运行TabFormer 项目，需要具备以下软件环境：

Python 版本 3.7
Pytorch 版本 1.6.0
HuggingFace / Transformer 版本 3.2.0
scikit-learn 版本 0.23.2
Pandas 版本 1.1.2

可以通过运行以下命令来安装这些库：

conda env create -f setup.yml

信用卡交易数据集

项目中提供的信用卡交易数据集位于目录 ./data/credit_card 中，包含2400万条记录和12个字段。需要使用Git LFS来访问该数据。如果LFS带宽受限，可以通过直接链接访问数据，然后使用 GIT_LFS_SKIP_SMUDGE=1 参数访问文件。

PRSA 数据集

对于PRSA数据集，用户需从Kaggle下载并放置在 ./data/card 目录下。

训练Tabular模型

Tabular BERT

要在信用卡交易数据或PRSA数据集上训练一个Tabular BERT模型，可以使用以下命令：

python main.py --do_train --mlm --field_ce --lm_type bert \
               --field_hs 64 --data_type [prsa/card] \
               --output_dir [output_dir]

Tabular GPT2

对于特定用户的信用卡交易数据，可以训练Tabular GPT2模型：

python main.py --do_train --lm_type gpt2 --field_ce --flatten --data_type card \
               --data_root [path_to_data] --user_ids [user-id] \
               --output_dir [output_dir]

部分命令选项说明（更多选项可以在args.py中查找）：

--data_type 用于指定数据集类型，可选项包括 prsa 和 card。
--mlm 表示使用屏蔽语言模型，这是BERT变换器的一个选项。
--field_hs 表示字段级变换器的隐藏层大小。
--lm_type 可以选择 bert 或 gpt2。
--user_ids 用于只选择特定用户ID的交易数据。

引用

如果在研究中使用了该项目，建议引用以下文献：

@inproceedings{padhi2021tabular,
  title={Tabular transformers for modeling multivariate time series},
  author={Padhi, Inkit and Schiff, Yair and Melnyk, Igor and Rigotti, Mattia and Mroueh, Youssef and Dognin, Pierre and Ross, Jerret and Nair, Ravi and Altman, Erik},
  booktitle={ICASSP 2021-2021 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)},
  pages={3565--3569},
  year={2021},
  organization={IEEE}
}

通过以上介绍，可以对TabFormer项目有一个全面的了解。项目提供了强大的工具和数据，助力多变量时间序列建模。