Classifier-free Guidance (CFG)

[lxx-x]

@juntongshi48 您好：
您在“Missing Value Imputation with Classifier-free Guidance (CFG)”这部分中说在unified_ctime_diffusion.py中的sample_impute()可以实现对多列进行填充，如果我想填充多列不同类型的数据并且不是目标列，我可以直接使用这部分代码吗？我需要对您的代码哪里做出修改呢？

非常感谢您的回答

[lxx-x]

可以提供给我一些思路或需要修改的文件么？非常感谢

[juntongshi48]

您好lxx-x，

十分抱歉这么晚回答您。您在您train y_only model前，首先要修改utils_train.py里的TabDiffDataset，让它在y_only模式下只包含您的目标列。

在采样前，您需要修稿对目标列的mask

TabDiff/tabdiff/trainer.py

Lines 522 to 526 in 5ecdb33

	if task_type == 'binclass': # for cat cols, push the masked col to [MASK]
	cat_mask_idx += [0]
	else: # for num cols, set the masked col to the col mean
	num_mask_idx += [0]
	avg = x_num_train[:, num_mask_idx].mean(0).to(self.device)

目前我们把mask index hard code成了原任务的目标列（用[0]是因为原任务的目标列都是第一列）。您需要将[0]换成您目标列所在的index。比如您的目标列包含continuous feature的2，3列和discrete feature的4，5列，您需要将这里改成
cat_mask_idx += [4,5]和num_mask_idx += [2,3]。

希望这些能帮到您！

Juntong

[bluebluecard]

Hello, I have a question: I want to split the rows of tabular data into two parts: history and current. Can I use CFG to generate the current parts condition on the history data.

Thanks in advance.