近年来，人工智能取得了长足的进步。ChatGPT震惊了世界。然而，尽管我们已经看到了图像和文本的令人难以置信的应用程序，但表格数据仍然是一个问题。（以至于Kadra 在 2021 年称它们为神经网络的“不可攻克的城堡”）。但为什么它们仍然是一个问题呢？
本文分为不同的部分。对于每个部分，我们将回答以下问题：
- 什么是表格数据？
- 为什么表格数据具有挑战性？
- 为什么基于决策树的算法在处理表格数据时优于神经网络？
- 对于表格数据，我们想要什么神经网络？有什么优点？
- 我们应该如何为表格数据设计算法？
- 查看文章末尾的参考文献列表，我还提供了一些深化主题的建议。
最后的数据前沿：表格数据
表格数据可以定义为结构化数据的一个子分支。简而言之，表格数据可以定义为任何可以描述为表格（如Excel 工作表）的数据，其中按照惯例，行代表示例，列代表特征。
矛盾的是，尽管它们很简单，但在现实应用中，大多数数据都是表格格式：金融、医学、气候科学和制造。
与图像、文本或音频（称为同类数据，因为它们只有一种类型的特征）相反，表格是异构数据，因为它们可以包含多种类型的特征：
- 分类值：