摘要
神经网络在处理非结构化数据（如图像、文本、视频和音频）方面已被证明非常稳健。然而，观察发现它们在表格数据上的表现并不理想，因此在这种情况下通常首选基于树的模型。一种常用的表格数据模型是提升树（boosted trees），这是一种高效且广泛使用的机器学习方法，相比神经网络，它还提供了更好的可解释性。本文介绍了一种新颖的架构XBNet，该架构试图将基于树的模型与神经网络相结合，通过使用一种新的优化技术——表格数据增强梯度下降（Boosted Gradient Descent for Tabular Data）来提高其可解释性和性能。