狠狠撸

http://deeplearning.jp/
Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021)
表形式データに対するディープラーニングモデルの再整理
山本貴之（ヤフー株式会社）
DEEP LEARNING JP
[DL Papers]
1

書誌情報
Revisiting Deep Learning Models for Tabular Data
表形式データに対するディープラーニングモデルの再整理
https://arxiv.org/abs/2106.11959
タイトル：
著者： Yury Gorishniy*?? , Ivan Rubachevy??, Valentin Khrulkov? , Artem Babenko ?
? Yandex （ロシア）
? モスクワ物理工学大学（ロシア）
? 国立研究大学高等経済学院（ロシア）
表形式データについて、ディープラーニング(以下DL)と GBDT(決定木系)で精度比較
提案手法FT-Transformerを中心に、11のデータセットで比較し優位性を考察した
概要：
2
選定理由：ビジネスでは表形式データを扱う機会が多い
文章?画像?音声を含む表形式データをend to endで学習し精度を出すにはDL活用が重要
(NeurIPS 2021)
公式実装： https://github.com/yandex-research/rtdl
※出典記載の無い図表は本論文からの引用

アジェンダ
1. 導入
2. 先行研究
3. 手法
4. 実験
5. まとめ
3

アジェンダ
1. 導入
2. 先行研究
3. 手法
4. 実験
5. まとめ
4

１. 導入
5
? 文章、画像、音声などの領域におけるDLの成功により、表形式データの問題への拡張が注目されている
? 表形式データはGBDTという強力なライバルがいるが、DLでより高い性能が得られる可能性がある
? 表形式データに加え、画像や音声が含まれる場合、DLはマルチモーダルなパイプラインを構築出来るのが魅力的
背景
? 表形式データに対するDLソリューションが多数提案されている
最近
? 確立されたベンチマークがない為、各論文が異なるデータセットを用い、互いに適切に比較されていない
? DLとGBDTの比較においても上記同様
? 多様なタスクで安定した性能を発揮する、シンプルで信頼性の高いソリューションが不足している
課題

アジェンダ
1. 導入
2. 先行研究
3. 手法
4. 実験
5. まとめ
6

２. 先行研究本論文で用いる表形式データに対するソリューション一覧
7
DL or GBDT 分類論文仕組み
DL
決定木 NODE (Popov et al., 2020) 微分可能な決定木
アテンション
TabNet (Arik and Pfister, 2020)
逐次処理。表形式データのプレト
レーニングという概念を実現
AutoInt (Song et al., 2019)
本論文のFT-Transformer
の概念に最も類似
MLP
GrowNet (Badirli et al., 2020)
浅いニューラルネットワークを用いた
勾配ブースティング
SNN (Klambauer et al., 2017)
深いMLP。勾配消失や発散を防ぐ
SELU活性化関数などを提案
DCN V2 (Wang et al., 2020a).
クロスネットワーク構造を含むMLP。
Googleが大規模データで活用。
GBDT 決定木
XGBoost (Chen and Guestrin, 2016) -
CatBoost (Prokhorenkova et al., 2018) -

２. 先行研究 TabNet (Arik and Pfister, 2020)
8
? TabNetの推論処理の全体像
? 特徴を疎に選択(=Attention)し、逐次処理する構造
? どの特徴量が推論に効いているか解釈可能
職業専門性の特徴量が選択されている
投資の特徴量が選択されている
逐次処理で連結
推論出力
入力データ

9
特徴量選択
特徴量入力
? 推論出力
? 表現出力
逐次処理
? エンコーダー構造
特徴量
解釈
特徴量
Transformer

10
? デコーダー構造
各Stepの
特徴量Transformer
再構築された
特徴量
エンコーダー出力の
表現ベクトル

11
? 表形式データをマスクドランゲージモデルのように一部マスク
? 穴埋め問題を解かせて、プレトレーニングを実現
? プレトレーニング済モデル活用で、
精度が向上し、少量データで短期収束可能

アジェンダ
1. 導入
2. 先行研究
3. 手法
4. 実験
5. まとめ
12

３. 手法 MLP （本論文での提案構造①）
? 全結合MLP→ReLU→Dropoutを何層か重ねたもの
13
全結合
全結合
入力
出力

３. 手法 ResNet （本論文での提案構造②）
? ResNet構造のシンプルなバリエーションを提案
? より深い表現が必要なタスクで有用（仮説）
14
全結合入力
出力
バイパス

３. 手法 FT-Transformer 全体構造（本論文での提案構造③ 本命）
? 表形式データの各要素をTokenizerでベクトル化し、Transformerに投入後[CLS]トークン部を用いる
15
[CLS]トークン部を用いる
FT-Transformerの全体アーキテクチャ
各特徴量
当図では５つの値
エンベディング
されたベクトル
先頭に[CLS]
トークン付加
連続値、カテゴリカル
2種類それぞれの手法で
Tokenizeする
※次ページで説明 192次元
入力
表形式データ
各セル(縦方向)が
1カラムのデータ
横方向がベクトルの次元数
のイメージ
※後のページで説明

３. 手法 FT-Transformer トークナイザー詳細
? 連続値、カテゴリカル、それぞれ次の構造、数式によりトークナイズされ、192次元ベクトルとなる
16
連続値
３つの値
カテゴリカル
2つの値
192次元
データカラム数
特徴量数
ウエイト
行列
バイアス連続値
バイアス
FT-Transformerのトークナイザー部
FT-Transformer全体
連続値の式
カテゴリカルの式
ウエイト
行列
カテゴリカルの
one hot ベクトル
カテゴリ分の
サイズの行列

３. 手法 FT-Transformer Transformer内部構造
FT-TransformerのTransformer層
17
出典
[1] Attention Is All You Need.
[2] Learning Deep Transformer Models for Machine Translation.
オリジナル論文[1]のTransformer層
? 当論文で用いるTransformer層はPreNorm変形型[2] をベースに、最初の正規化を除外した構造
※実験の結果この構造が良好なパフォーマンスを得られた為

３. 手法 FT-Transformer ハイパーパラメータ
? 3層Transformer、192次元、オプティマイザーはAdamW
18

アジェンダ
1. 導入
2. 先行研究
3. 手法
4. 実験
5. まとめ
19

モデル構造
20
４. 実験
表形式データセット
分類手法
DL
先行研究
NODE (Popov et al., 2020)
TabNet (Arik and Pfister, 2020)
AutoInt (Song et al., 2019)
GrowNet (Badirli et al., 2020)
SNN (Klambauer et al., 2017)
DCN V2 (Wang et al., 2020a)
本論文
提案手法
MLP
ResNet
FT-Transformer ★提案手法本命
GBDT
決定木系
XGBoost (Chenand Guestrin,2016)
CatBoost (Prokhorenkovaet al., 2018)
略
称
データセット名概要年
CA California Housing 不動産価格 1997
AD Adult 所得推定 1996
HE Helena 視覚的内容属性 2019
JA Jannis 視覚的内容属性 2019
HI Higgs 物理粒子シュミレート 2014
AL ALOI 画像 2005
EP Epsilon 模擬物理実験 -
YE Year 音声の特徴 2011
CO Covtype 森林の特徴 2000
YA Yahoo 検索クエリ 2011
MI Microsoft 検索クエリ 2013

21
４. 実験データセット学習情報
数値
カラム数
カテゴリカル
カラム数

実施 DL GBDT 内容詳細
実施
〇〇回帰問題は目標値を標準化
〇 -
数値特徴量に明確な値が少ない特徴量の
回避策としてノイズを加える
〇〇
Optunaを使った
ハイパーパラメータ自動チューニング
-
〇〇アンサンブル学習 3グループ×各5モデル→各グループの平均値
未実施〇〇プレトレーニング、追加の損失関数、データの増強、蒸留、学習率の減衰など、
４. 実験前処理等
22

DLモデルの結果一覧
23
４. 実験結果（DLモデル）
凡例
↑：分類問題：Accuracy
↓：回帰問題：RMSE
rank：全データセットの順位の平均ランク
FT-T：提案手法 FT-Transformer
Bold（赤アンダーライン）：ベストスコア（統計的に優位差でない複数の結果を含む）
? FT-Transformerがほとんどのタスクで最高のパフォーマンス
1. MLPは基本的な動作として十分な水準
2. ResNetは効果的なベースライン
3. FT-Transformerはほとんどのタスクで最
高のパフォーマンス
4. チューニングはMLPやResNetのような単
純なモデルを強力なモデルにする。可能な
限りベースラインのチューニングがお勧め

24
４. 実験結果（DLモデル vs GBDT）
1. GBDTはアンサンブル込なので、DLもアン
サンブル処理後で比較
2. ハイパラチューニングすると一部のデータ
セットでGBDTが優位に
3. DLとGBDTにはまだ普遍的な解決策は
ない
凡例
↑：分類問題：Accuracy
↓：回帰問題：RMSE
FT-T：提案手法 FT-Transformer
Bold（赤アンダーライン）：ベストスコア
デフォルトパラメータ
パラメータチューニング後
? DLとGBDTにはまだ普遍的な解決策はない

25
４. 実験 FT-TransformerがResNetより優れているタスク特性
各手法別のテストRMSEのαによる変化
1. GBDTに適したタスクの場合、ResNetは精度が悪化する
2. しかし、FT-Transformerは、CatBoost同様精度が向上する
3. FT-Transmormerは、DLもしくはGBDTいずれに適したタスク
の場合でも、両方で比較的良い精度である
GBDTに適したタスク
DLに適したタスク
Good

26
４. 実験アブレーションスタディ
類似手法AutoIntとの比較と、特徴バイアスの有無による精度の違い
1. Transformerの内部構造がAutoIntより優れている
2. 特徴バイアスが精度に寄与しており必要性がある
結果
1. 【類似】特徴をエンベッティング変換し、その後セルフアテンションしている構造が類似
2. 【相違】Transformer内部構造と、[CLS]トークンを使わない点、バイアスの有無が相違
AutoIntとの
類似点と相違点

27
４. 実験学習時間
学習時間（秒）
※15回実行し平均をとったもの
3.5時間

アジェンダ
1. 導入
2. 先行研究
3. 手法
4. 実験
5. まとめ
28

５. まとめ
結論
? 表形式DLのベースラインを改善
? FT-Transformerを提案。タスク全般的にGBDTと遜色ない
? いくつかのタスクではGBDTが依然優位
? オープンソースにしている為、表形式DLのさらなる開発の基礎となる事を期待
29
感想
? 事業で利用する場合は、データには欠損値があり、欠損値に対するロバスト性の研究は、本論文にはない
? 先行研究のTabNetはマスクし学習しているので、マスクで欠損値処理できそう
? 本研究もTransformerベースなので、マスクし学習する事で、欠損値処理と表形式プレトレーニングができそう
? DLが得意な文章や画像などのデータを繋いだマルチモーダル学習で、GBDTに対する優位性を明らかにしたい

狠狠撸

[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式データに対するディープラーニングモデルの再整理

Recommended

More Related Content

What's hot (20)

More from Deep Learning JP (20)

[DL輪読会]Revisiting Deep Learning Models for Tabular Data (NeurIPS 2021) 表形式データに対するディープラーニングモデルの再整理