摘要
本发明公开了一种缺失表格数据公平预测方法,该方法包括:获取缺失表格数据特征矩阵、表格数据标签矩阵和特征缺失掩码矩阵;构建融合了注意力机制正则化计算的Transformer神经网络模型;对缺失表格数据特征矩阵进行掩蔽,计算重构误差;对缺失表格数据特征矩阵中敏感属性已知的样本生成正负样本,计算对比学习误差;将所述重构误差与对比学习误差进行加权,对神经网络模型进行预训练;将缺失表格数据特征矩阵与特征缺失掩码矩阵通过线形层映射至高维;构建微调模块,利用最小化预测标签误差对预训练后的神经网络模型进行微调,得到缺失表格数据公平预测模型;将缺失表格数据特征矩阵和特征缺失掩码矩阵输入预测模型得到最终预测结果。
技术关键词
神经网络模型
表格
掩码矩阵
连续特征
重构误差
数据分类
数据标签
样本
多头注意力机制
特征值
前馈神经网络
标记
线性
拼接模块