TabCBM 中需要哪些模型

Question

我正在尝试将 TabCBM 用于我自己的表格数据集（在 CSV 文件中提供）。在提供的模型中，它需要一些必需的模型，例如：

feature_to_concept_model
concept_to_feature_model

那么，这些部分意味着什么？论文中没有详细提及。例如，假设我们有 1000 行和 7 列的训练表格数据（特征）和 1000 个带有二进制元素的元素向量。我们如何使用 TabCBM 来训练测试数据的模型？

我根据代码和论文解释中提供的内容尝试了此代码作为简单示例：

from models.tabcbm import TabCBM
import numpy as np
import tensorflow as tf

# Generate random data for X_train and binary labels for y_train
X_train = np.random.randint(7, 100, size=(100, 7))
y_train = np.random.randint(2, size=100)  # Binary labels
latent_dims = 4  # Number of latent concepts


# Define your feature-to-concepts model
features_to_concepts_model = tf.keras.Sequential([
    tf.keras.layers.Input(shape=(7,)),  # Input shape should match your data
    tf.keras.layers.Dense(latent_dims),
    tf.keras.layers.Softmax()
])

# Define your concepts-to-labels model
concepts_to_labels_model = tf.keras.Sequential([
    tf.keras.layers.Input(shape=(latent_dims,)),
    tf.keras.layers.Dense(1),
    tf.keras.layers.Softmax()
])

# Define your features-to-embeddings model with the correct input shape
features_to_embeddings_model = tf.keras.Sequential([
    tf.keras.layers.Input(shape=(7,)),  # Input shape should match your data
    tf.keras.layers.Dense(latent_dims),
    tf.keras.layers.Softmax()
])

# TabCBM parameters
tab_cbm_params = dict(
    features_to_concepts_model = features_to_concepts_model,
    features_to_embeddings_model = features_to_embeddings_model,
    concepts_to_labels_model = concepts_to_labels_model,
    mean_inputs=np.mean(X_train, axis=0),
    loss_fn=tf.keras.losses.BinaryCrossentropy(),  # Binary classification loss
    latent_dims=latent_dims,
    n_concepts=4,
    n_supervised_concepts=0,
    coherence_reg_weight=0.1,
    diversity_reg_weight=0.1,
    feature_selection_reg_weight=0.1,
    prob_diversity_reg_weight=0.1,
    concept_prediction_weight=0.1,
)

# Create and compile the TabCBM model
ss_tabcbm = TabCBM(
    self_supervised_mode=True,
    **tab_cbm_params,
)

# Compile the model
ss_tabcbm.compile(optimizer='adam', loss='binary_crossentropy')

# Print the model summary
ss_tabcbm.summary()

# Train the model (Ensure X_train and y_train have the correct shapes)
# ss_tabcbm.fit(X_train, y_train, validation_split=0.2, epochs=10, batch_size=256)

我怎么得到这个代码的错误！

Answer 1

感谢您提出这个问题。我已在 TabCBM 存储库中提出的 GitHub 票证中回复了这一问题。此外，我添加了一个“示例”，希望能够阐明如何将其适应自定义数据集。在这些澄清之后，如果您仍然遇到此存储库的问题，请告诉我。