问题背景：表格数据中的缺失值问题创新点：特征专属的embedding处理缺失值方法改造的双重masked self-attention随机遮掩实验方法：在五个数据集上对比11个ML和5个DL模型应用三种imputation。

发现了一篇比较漂亮的resnet代码，借鉴，学习。

主要实现1. 掌握pytorch自带数据集的导入2. 初步编写DataLoader3. 定义模型、损失和优化器4. 训练简单神经网络5. 将模型结果保存至本地

傅里叶变换原文一切的波形都可以用正弦波叠加得到（“任何”周期信号都可以用一系列成谐波关系的正弦曲线来表示）。傅里叶展开，是将一个周期性函数，改写成一系列正弦函数和余弦函数的级数之和，且该“和”的极限，与原函数相等。傅里叶级数在时域是一个周期且连续的函数，在频域是一个非周期离散的函数；傅里叶变换则是将一个时域非周期连续的信号转换为频域非周期的连续函数。傅里叶变换可以看作一个周期无穷大的傅里叶级数。许