← 返回刚才阅读的位置

知识卡片

延伸参考卡 · 6983.b.4 · 生成模型:gpt-6.1-terra

DeepETA到达时间预测

理解等级:中级

书中介绍的 DeepETA 将连续、类别及地理特征转为离散 token 和可学习向量,再交给 Transformer 预测到达时间。相关论文为《DeeprETA: An ETA Post-Processing System at Scale》;该案例展示表格特征处理与深度模型的组合。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Machine Learning System Design》第11章《Features and feature engineering》(来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/Machine Learning System Design/_epub-src/OEBPS/Text/chapter-11.xhtml) - 结论依据:原文对论文及其在特征工程或解释中的用途有实质介绍。 - 原始内容:all transformed into discrete tokens and subsequently into learnable embeddings suitable for the transformers.